18、光照突变下的运动目标检测与众包新工人任务接受方法

光照突变下的运动目标检测与众包新工人任务接受方法

光照突变下运动目标检测

在光照环境发生变化的场景中，运动目标检测是一个具有挑战性的任务。传统的算法如光流法（OF），在光照突然改变的环境中，由于违反了亮度约束，通常会失效。近年来，光照突然变化情况下的运动目标检测算法受到了更多关注。

1. 现有方法及其局限性

   • 背景重新初始化 ：当光照条件改变时，对背景进行重新初始化，但设置合适的阈值来舍弃旧背景并及时检测运动目标是困难的。
   • 假设光照均匀变化 ：使用场景中所有像素灰度值变化的中位数作为光照缩放因子来更新背景，但实践中像素强度均匀变化的假设并不成立。
   • 非线性映射分割 ：通过计算每个区域的非线性映射来分割当前帧，但效果也不尽如人意。
   • 特征背景处理 ：采用特征背景来处理局部光照变化，但在光照突然变化时效果不佳。
   • 纹理建模方法 ：基于局部二值模式（LBP）对背景进行建模，避免了光照突然变化导致的检测失败，但高阶像素对LBP的影响比低阶像素更显著。
   • 高斯混合模型（GMM） ：作为一种新颖的背景减除方法，GMM在运动目标检测中得到了成功应用。它通过多个高斯分布对背景进行建模，并通过将当前帧与这些高斯分布进行比较来分割前景。然而，光照突然变化可能会使GMM的性能