帧间差分法和背景建模法

帧间差法

一种通过对视频图像序列中相邻两帧作差分运算获得运动目标轮廓的方法。一般要经过滤波等处理，去噪处理。
原理：利用相邻两帧的相关性，以前一帧图像作为当前的背景图像（背景帧），然后将当前帧图像与背景图像进行差值运算，从而检测目标。
优点：速度快、适用于实时性较高的场合，且对环境整体光照变化不明感。
缺点：会出现空洞。当运动目标的色彩分布比较均匀时,且在前后两帖中,运动目标所在位置的差别在目标运动方向两侧,内部却没有什么变化,这样通过帖差法会漏检目标内部的像素点,导致运动目标有空洞出现。所W顿间差分法经常和其他检测方法联合使用提高检测效果。

三帧差法

原理：对两两差分得到的图像进行闭运算，然后相与得到结果图像。
优点：由于噪声具有在时间域难重复的特点，在进行了与运算后，部分孤立噪声也会得到消除，可以解决双影等现象。

背景建模

背景建模的目的是当取得估计的背景后,把视频倾图像转换为背景和运动前景两类,然后对其进行相应的处理,并得到检测结果。常用的背景估计方法有卡尔曼滤波法、高斯背景建模的方法。
卡尔曼滤波
卡尔曼滤波是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法,且它能实现实时运行状态的估计和预测功能。在运用于背景建模中,卡尔曼滤波法是一种递归的背景估计方法,在线性动态系统且噪声是高斯噪声条件下效果最佳。当背景估计时,当前的估计值是由当前侦之前所有视频图像的信息得到的,而背景模型则由检测的当前顿图像来更新,因此一段时间内的视频图像信息,都会对当前背景模型产生一定的影响。递归的背景估计方法较非递归的方法相比,在实时系统中能够节约大量的计算机内存,但前者得到的背景模型如果出现错误,其背景更新较慢,会在很长一段时间内对运动目标的检测产生影响。所基于卡尔曼滤波的背景估计方法,应使用背景像素值而非运动前景像素值来更新当前的背景模型。
高斯背景建模
高斯背景建模法通过构建最佳的背景模型,从而准确地将运动目标从背景分离开来。那么,对背景如何进行建模,从而做好运动目标和背景的固有特征的区别,是高斯背景建模法要解决的关键问题。高斯混合背景建模的方法在稳定的复杂场景背景建模中得到了广泛的应用。高斯混合背景模型是将有限个高斯函数进行加权和的结果,多个高斯函数的多个峰使它能够表示出背景的多峰状态,从而能准确对光照变化、树叶抖动等较复杂的背景进行建模。