运动目标检测
来源:互联网 发布:沼泽人 知乎 编辑:程序博客网 时间:2024/05/17 20:11
运动目标检测算法总结
帧差、高斯背景建模,VIBE算法简单原理。依据原理看代码运动目标检测代码
1、相邻帧差分
相邻帧差分分为两帧差分和三帧差分。首先彩色图像灰度化,然后相邻两帧做减法,对得到的图像二值化,得到运动物体。三帧差分是(2-1)+(3-2)的模式。帧间差分适用于相机没有抖动,只有运动目标运动的情况下。
2、单高斯模型
是一种基于统计的背景建模方法。Friedman等人1997年发表的论文中假设每个位置的背景像素值在时间阈上服从高斯分布,由已经获得的像素值来估计高斯分布的参数,当新来的像素值服从当前分布时认为是背景,否则是前景。单高斯模型对室外动态场景,尤其是背景中存在周期运动的如树叶、波浪等物体时。
3、混合高斯背景模型
Stuffer和Grimson提出背景模型建立多个高斯分布函数,新来的像素如果与组成背景模型的所有高斯分布都不匹配,则认为是前景,并更新所匹配高斯的分布的参数。
EM(Expectation Maximization)算法是一种参数估计模型,用于估计估计高斯混合模型的参数Θ。EM的每次估计分为E步和M步,迭代求得高斯混合模型的参数。
得到高斯概率密度函数之后,推测当前像素值的概率大于某个阈值,认为它服从背景分布,否则服从前景分布。
4、VIBE算法
2009年提出,算法官网vibe算法官网ViBe是一种像素级的背景建模、前景检测算法,该算法主要不同之处是背景模型的更新策略,随机选择需要替换的像素的样本,随机选择邻域像素进行更新。在无法确定像素变化的模型时,随机的更新策略,在一定程度上可以模拟像素变化的不确定性。VIBE算法是一个实时性的算法,速度快,稳定。对于初始帧是背景帧的情况运行良好,如果初始帧还有前景物体,得到最后的更新背景需要较长的时间。
5、图分割
利用前景和背景的局部一致性,分割前景和背景,Grab cuts,用于交互式图像分割,最大流最小割的思想。
- OpenCV运动目标检测
- 运动目标检测
- 运动目标检测小结
- 运动目标检测小结
- 运动目标检测概述
- 运动目标检测算法
- 运动目标检测小结
- opencv 运动目标检测
- VIBE 运动目标检测
- 运动目标检测--光流法
- 运动目标检测--帧间差分法
- 运动目标检测--光流法
- 运动目标检测--帧间差分法
- 运动目标检测 帧差法
- 运动目标检测算法
- 运动目标检测
- 运动目标检测
- 运动背景下的运动目标检测
- Python图像批处理(图像滤波处理)
- 通过js方法找到事件触发的控件
- maven打jar包
- java 中finalize()的使用
- iOS开发
- 运动目标检测
- Drawable学习之---BitmapDrawable
- flowable中的processEngineConfiguration配置
- c++的运算符重载
- javascript设计模式初探--单例模式
- AS 在小米手机调试错误 Failed to establish session Error while Installing APKs
- Ubuntu16.04 安装C++ boost库
- STL源码剖析读书笔记5
- html页面缓存资源