视频的前景目标

视频的前景目标提取问题

目前，监控视频信息的自动处理与预测一直是国内外视觉监控领域研究的难点和热点之一。而如何有效、快速抽取出监控视频中的前景目标信息，是其中非常重要而基础的问题。

前景目标

那么什么是前景目标呢？对于一段视频，通常我们把毎一侦图像中的运动部分称为前景，而把当中静止的部分称为背景，例如人、车、狗等。

• 光流法
• 帧差法
• 混合高斯模型
• 基于深度学习的检测方法

---

帧差法

帧差法就是相邻两帧做差分运算|frame(i) - frame(i-1)| > Th，背景就是上一帧图像。帧差法针对**背景禁止目标运动**的情况，当背景发生扰动，或者目标静止时帧差法效果显著下降。这时候只能使用其他方法，例如高斯混合模型，深度学习方法等等。
帧差法有二帧差、三帧差、累积帧差等！经典的帧差法代码如下
代码块语法遵循标准markdown代码，例如：

clc;
close all;
clear all;

file_name = 'test.avi';        %视频所在文件夹
obj = VideoReader(file_name);     %读取视频文件
nframes = obj.NumberOfFrames;   %视频总的帧数 

Space = 1；%间隔的帧数
for Num=1+Space:nframes
    image1 = read(obj, Num);
    image2 = read(obj, Num-Space);

    image1 = rgb2gray(image1);
    image2 = rgb2gray(image2);
    imagediff = image1 - image2;
     subplot(1,2,1)
     imshow(image1)
     title('原图像')
     subplot(1,2,2)
     imshow(imagediff )
     title('帧差结果')


 end