本文介绍了一种使用独立成分分析（ICA）进行室内监视背景减除的方法，该方法通过将前景和背景视为独立信号来实现自动化背景建模，简化了背景差分法并提高了准确性。通过分解观测图片，有效地分离了动态对象和静态背景，进而通过二值化生成清晰的前景图像。这种方法不仅操作简单，而且在处理突然的光照变化方面表现出色。
除了一些传统的背景建模的方法，为了发文章，还出现了其他比较好的文章。我列出几篇：
Making Background Subtraction Robust to Sudden Illumination Chages （这篇文章有代码）
Compressive Sensing for Background Subtraction
Learning a sparse corner-based representation for time-varying background modeling
Independent Component Analysis Based Background Subtraction for Indoor Surveillance
不过当我看到Independent Component Analysis Based Background Subtraction for Indoor Surveillance这篇文章的时候有一种眼前一亮的感觉。文章既简单又巧妙。发表在09年的TIP上。
这篇文章是用Independent Component Analysis(独立成分分析)做的，把前景和背景看成两个独立的信号，然后在观测图片分解。
(a)和(b)是两个观测图片，其中(a)为参考背景，(c)和(d)是分解后的前景和背景，(e)是二值化后的前景图片。
其实这篇文章的方法相当于一种自适应的背景差分法。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
