MCD5.8ms-Detection of Moving Objects with Non-Stationary Cameras in 5.8ms: Bringing Motion Detection

• CVPR2013的文章
• 项目地址https://sites.google.com/view/kiminyun/profile
• 下载下来的软件有个隐藏的bug，程序能用，但是卡在第一帧，我猜是因为算法对视频分辨率有要求,根据对算法研究，输入图像分辨率必须是4（grid的大小）的倍数，854*480不行但裁剪成852*480就可以。
• 运动目标检测
• 基于单高斯分布
• 那个精度很高，但是召回很低，因为这种方法对于网格大小划分敏感，同时对最后的判别参数敏感，只要前景和背景稍稍相似，就检测不出来，这是基于SGM的通病
• 速度是杠杠的

---

1方法介绍

1.1single Gaussian model (SGM) with age

随时间变化的单高斯模型

首先把图像按进行网格分割

总共个格子

网格中的像素数目为

像素点的亮度为

网格中的亮度均值为，方差，年龄

更新：

1.2Dual-Mode SGM

原理

算法对每个grid维持两个SGM

Apparent Background Model :，，

Candidate Background Model:，，

更新策略：

如果  则更新 Apparent Background Model

如果  则更新 Candidate Background Model

如果  则用Candidate Background Model 替代 Apparent Background Model，Candidate Background Model重初始化

其它情况则同时重初始化两个SGM

作用

使用单个SGM对背景进行建模，在简单的情况时有不错的效果，但是当使用大的学习率时，背景模型容易受到前景像素的污染。

我们方法中使用了变化的学习率，因此有较大的学习率是很常见的。

比如在初始化时，所有像素年龄设为1，这时意味着在下一帧，这些像素的学习率为0.5。比如在下一帧中，前景和背景的分布分别为均值1，方差0.5 的高斯分布和 均值2.5，方差0.5 的高斯分布。如下图所示，左边是单一SGM的更新结果，整个分布被前景所污染，但是如右图所示，使用Dual-ModeSGM后，由于前景分布不符合Apparent Background Model更新的条件，Apparent Background Model不更新，而Candidate Background Model则更新为前景分布。

1.3基于模型融合的运动补偿

KLT+RANSAC求单应性矩阵，根据单应性矩阵得到一个中心点在下一帧的位置，该位置四周有四个分布，根据位置关系加权融合四个分布得到新分布，如下图所示。

权重计算用∩面积。

2实验

实验的数据集是一篇论文里的，文献[8]，自己加了一个，还有一个是YouTube上的