6.3运动检测>背景差法(background subtraction)已知背景图像一一取均值图像
6.3 运动检测 z已知背景图像——取均值图像 1 2 3 6 5 4 ¾背景差法(background subtraction)
6.3运动检测>背景差法(background subtraction)已知背景图像一一取均值图像优点简单,易于实现。不足仅限于已知背景,是个相当强的约束;不适用于背景变化的情况(如室外场景),而实际场景中背景往往不是一成不变的
6.3 运动检测 优点 简单,易于实现。 不足 仅限于已知背景,是个相当强的约束; 不适用于背景变化的情况(如室外场景),而 实际场景中背景往往不是一成不变的。 z已知背景图像——取均值图像 ¾背景差法(background subtraction)
6.3运动检测>背景差法(background subtraction)●未知背景图像没有预先指定背景图像的背景构建方法·图像训练集的中值图像【1]·混合高斯模型(以及单高斯模型)·其它【2】[1] I.Haritaoglu,D.Harwood and L.Davis,W4:Real-Time Surveillance of People and Their Activities,"PAMI, vol.22, no.8, 2000.2】C.Staufferand W.Grimson,“Learning PatternsofActivityUsingReal-TimeTracking,”PAMI,vol.22no.8, pp.747-757, 2000
www.buaa.edu.cn 6.3 运动检测 z未知背景图像 ¾背景差法(background subtraction) 没有预先指定背景图像的背景构建方法 • 图像训练集的中值图像 • 混合高斯模型(以及单高斯模型)【1】 • 其它【2】 【1】I. Haritaoglu, D. Harwood and L. Davis, “W4: RealTime Surveillance of People and Their Activities,” PAMI, vol.22, no.8, 2000. 【2】C. Stauffer and W. Grimson, “Learning Patterns of Activity Using Real-Time Tracking,” PAMI, vol.22, no.8, pp. 747-757, 2000
6.3运动检测>背景差法(backgroundsubtraction)未知背景图像问题图像上的像素点满足什么条件才是背景像素呢?做法一一判断像素为背景像素的假设·背景在图像序列中总是最经常被观测到·像素点处于稳定状态最长的灰度值是背景像素灰度值没有放之四海而皆准的假设
图像上的像素点满足什么条件才是背景像素呢? z未知背景图像 ¾背景差法(background subtraction) 问题 • 背景在图像序列中总是最经常被观测到 • 像素点处于稳定状态最长的灰度值是背景像素灰度值 做法——判断像素为背景像素的假设 没有放之四海而皆准的假设 6.3 运动检测
6.3运动检测>背景差法(background subtraction)●未知背景图像一一单高斯模型对于每一个像素,用一个高斯分布来描述其在不同时刻的灰度分布情况的背景模型假设条件背景在图像序列中总是最经常被观测到
z未知背景图像——单高斯模型 ¾背景差法(background subtraction) 6.3 运动检测 对于每一个像素,用一个高斯分布来描述其在不同 时刻的灰度分布情况的背景模型。 z 假设条件 背景在图像序列中总是 最经常被观测到