关于Foreground Object Detection from Videos Containing Complex Background

这是一篇背景建模提取运动目标的文章，在opencv的例程Blobtrack中属于可选择的一种前景建模方法，虽然还不知道前景检测的方法是怎么被选择的。该方法的的代码实现在源文件cvbgfg_acmmm2003.cpp，在bgfg_estimaiton.cpp中对两种前景检测方法进行了封装。

这篇文章中最区别于另一种方法的混合高斯建模的的一点在于：只用了贝叶斯准则作为了背景前景的分类准则，并且使用了颜色特征和颜色共生矩阵特征。

据文章所说，检测效果也很不错，不过没有本人亲自验证。能找到的资料也很少。

文章也没有看完，最近非常的颓废，希望这个可以警示自己，以后应该要好好努力了。

通过进一步看程序，发现blobtrack默认的前景检测就是这个ACM2003的方法，如果要使用混合高斯模型方法，只需要把NULL语句改成：

中的第二句改成        if(!fg_name) fg_name = FGDetector_Modules[2].nickname;就好了，其中FGDetector_Modules[1]是ACM2003方法的简化方法。

不过还不是很确定。可以运行，前景检测靠着效果也不太一样了。

ACM方法：改进的混合高斯方法，同一帧

对比发现：ACM方法对于解决摇摆的物体的能力较好，摇摆的线在GMM中检测为前景，但ACM没有；对于视频中停止或较慢物体，ACM能检测出来，GMM中逐渐融为背景；

ACM中的物体中的被检测为背景的点较少，ＧＭＭ较多，但是ＡＣＭ可能缺一块。

另外查看程序说明，发现该方法是ＩＢＭ公司专利。文档为ＰＥＴＳ２００１.ｐｄｆ，网上可下载。