视频图像处理-01背景差分法

背景差分法

       目的：检测物体运动

       背景差分法检测目标速度快，检测准确，易于实现，其关键是背景图像的获取。实际应用中，由于背景的动态变化，需要通过视频序列的帧间信息来估计和恢复背景。

        方法：

      （1）中值法背景建模，取连续N帧图像序列，把这N帧图像序列中对应位置的像素点灰度值按从小到大排列，然后取中间值作为背景图像中对应像素点的灰度值；

%% 中值法得到背景 按通道
for c=1:video_channel
    ch_Backgrounds{c} = zeros(video_height, video_width);
    for h=1:video_height
        for w=1:video_width
            ch_Backgrounds{c}(h,w) = median(single(video(h,w,c,:)));
        end
    end
end

       （2）均值法背景建模：均值法建模算法是对一些连续帧取像素平均值。优点是速度快。缺点是对环境光照变化和一些动态背景变化比较敏感。

%% 均值法得到背景 按通道
for c=1:video_channel
    ch_Backgrounds{c} = zeros(video_height, video_width);
    for h=1:video_height
        for w=1:video_width          
            ch_Backgrounds_aver{c}(h,w) = mean(single(video(h,w,c,:)));
        end
    end
end

       （3）卡尔曼滤波器模型：该算法把背景认为是一种稳态的系统，把前景图像认为是一种噪声，用基于Kalman滤波理论的食欲递归低通滤波来预测变化缓慢的背景图像，这样既可以不断地用前景图像更新背景，又可以维持背景的稳定性消除噪声的干扰。

       （4）单高斯分布模型：

       （5）多高斯分布模型：

       （6）高级背景模型：得到每个像素或一组像素的时间序列模型。优点是很好的处理时间起伏。缺点是消耗大量内存。