44、图像技术在背景减除与AVM校准中的应用

图像技术在背景减除与AVM校准中的应用

1. 扩展高斯混合模型增强技术

1.1 投票计算与CUDA实现

在视频处理中，对于特定分辨率的视频，如720x360分辨率的视频，存在大量的投票过程，例如有2,073,600次投票过程。在CUDA实现中，可通过并发投票来减少计算量。图像会从2D重塑为1D的无符号字符向量，首先将1D向量从主机复制到设备，每个线程并发地进行投票操作，之后再将1D向量从设备复制回主机并重塑为2D图像。

1.2 评估方法

使用混淆矩阵来评估结果，混淆矩阵包含四个主要值：
- 真正类（TP）：实际和预测像素都标记为前景。
- 真负类（TN）：实际和预测像素都标记为背景。
- 假正类（FP）：实际背景像素在预测中标记为前景。
- 假负类（FN）：实际前景像素在预测中标记为背景。

根据这些值可以计算不同的评估指标，具体公式如下：
1. 召回率（Re）：$Re = \frac{TP}{(TP + FN)}$
2. 精确率（Pr）：$Pr = \frac{TP}{(TP + FP)}$
3. 假正率（FPR）：$FPR = \frac{FP}{(FP + TN)}$
4. 假负率（FNR）：$FNR = \frac{FN}{(FN + TP)}$
5. 特异度（Sp）：$Sp = \frac{TN}{(TN + FP)}$
6. F - 度量（F1）：$F1 = \frac{(2 × Pr × Re)}{(Pr + Re)}$
7. 准确率（Ac）：$Ac = \frac{(TP + TN)}{(TP + TN + F