45、计算机视觉中的背景减除与关键点检测

计算机视觉中的背景减除与关键点检测

背景减除方法之 Zivkovic 法

背景减除在众多计算机视觉应用中扮演着重要角色，如工业自动化、安全监控和机器人技术等。Zivkovic 方法是一种背景减除方法，它与 KB 算法类似，都使用高斯混合模型来对特定像素的颜色分布进行建模。不过，二者存在一个显著区别：Zivkovic 方法不使用固定数量的高斯分量，而是动态调整其数量，以对观测到的分布给出最佳的整体解释。

这种动态调整的方式有优点也有缺点。优点是模型可能具有更高的保真度，能更精准地拟合实际的颜色分布；缺点是分量越多，更新和与模型进行比较时消耗的计算资源就越多。

该算法有一些参数与 KB 方法相同，同时也引入了许多新参数。不过，只有两个参数尤为重要，其他参数大多可以使用默认值。这两个关键参数分别是：
1. 历史参数（history） ：也称为衰减参数，它设定了像素颜色的“经验”持续时间，即该像素的影响衰减到零所需的时间。默认值为 500 帧，大致是一次测量被“遗忘”的时间。从算法内部来看，更准确地说，它是一个指数衰减参数。
2. 方差阈值（varThreshold） ：该参数设定了一个新像素测量值相对于现有高斯混合分量必须处于的置信水平，才能被视为该分量的一部分。其单位是平方马氏距离。例如，如果想将距离某个分量中心 3 个标准差的像素纳入该分量，就应将方差阈值设为 3 * 3 = 9。默认值是 4 * 4 = 16。

cv::BackgroundSubtractorMOG2

cv::BackgroundSubtractorMOG2 <