VIBE 运动目标检测
来源:互联网 发布:排序算法空间复杂度 编辑:程序博客网 时间:2024/04/30 22:36
VIBE的确是一个非常快速 的方法,计算量与内存使用量极小,思想简单却非常有效。
VIBE 采用 20 个历史像素值当前像素的背景模型,将当前像素与背景模型中的每个像素进行距离比较,如果小于背景阈值(20)的背景像素个数大于某个值(2),则认定当前像素为背景,对背景模型进行更新,否则,认定当前像素为 前景。需要注意的是:
1. 背景模型的初始化:采用第一帧初始化背景模型,随机从当前像素8邻域(包括自身共9个点)中选取一个像素,放到背景模型中,一直到背景模型满20个像素。
2. 背景模型的更新:当某个像素被认定为背景像素时,以1/16的概率对其背景模型进行更新,更新时,是随机等概率的更新当前像素20个背景模型的一个,新的背景值是随机等概率从当前像素的8邻域中随机选择一个像素值。另外,还需要以同样的方式随机等概率的更新当前像素某个8邻域像素的背景模型。
由于背景更新时考虑了相邻像素的背景模型,使得模型非常鲁棒,对于ghost可以较快吸收,但是这个过程有时相对较慢,需要较长的时间。另外,正是这种邻域背景更新方法,使得像素之间的独立性变差。这使得按行进行多线程并行时,ghost的吸收过程变得更加缓慢。解决的方法是添加一个额外的变量,记录每个像素连续出现前景的帧数,如果超过某个阈值,则将当前像素的20个背景像素重新初始化。实验表明,这个方法可以很好的控制ghost的吸收过程。
实验数据表明,对于640*480的视频,可以达到 1.7ms 每帧的处理速度,即 580 fps。
0 0
- VIBE 运动目标检测
- 运动目标检测ViBe算法
- VIBE运动目标检测算法实现
- 基于Vibe算法的运动目标检测
- 【图像处理】运动目标检测ViBe算法(附代码)
- 运动目标前景检测之ViBe源代码分析
- 运动目标检测 之 Vibe背景模型算法
- 运动目标检测(GMM、Code Book、Vibe)
- 运动目标检测——ViBe算法代码分析
- 目标检测之Vibe
- ViBe目标检测算法
- 运动目标检测代码(帧差、高斯混合、vibe代码实现)
- 运动检测(前景检测)之ViBe
- VIBE运动检测算法实现(二)
- 运动检测ViBe算法python实现
- OpenCV运动目标检测
- 运动目标检测
- 运动目标检测小结
- Android Material Design之Toolbar与Palette实践
- 总体布局积累(3列)
- 小游戏:点不到的小窗口
- Android 仿 窗帘效果 和 登录界面拖动效果 (Scroller类的应用) 附 2个DEMO及源码
- Android Studio依赖包aar使用全攻略!
- VIBE 运动目标检测
- 备忘录
- 欢迎使用CSDN-markdown编辑器
- js获取某个div的style
- Android程序员必备精品资源
- 作业:c++作业2-求两点之间的距离
- 第4周项目5编程序
- bit、byte、位、字节、汉字、字符之间的区别
- 一、Beer