本文详细介绍了使用混合高斯模型（GMM）进行背景减除的运动检测方法，包括初始化、训练GMM、选择合适的高斯分量个数等步骤。并提供了基于OpenCV的C++代码实现，以及一个包含多种背景减除方法的牛逼库链接。文章还提及了其他背景减除技术，如帧差法、光流和运动模版等，并强调不同方法在不同场景下各有优势，需要根据实际应用进行选择和测试。
因为监控发展的需求，目前前景检测的研究还是很多的，也出现了很多新的方法和思路。个人了解的大概概括为以下一些：
帧差、背景减除（GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……）、光流（稀疏光流、稠密光流）、运动竞争（Motion Competition）、运动模版（运动历史图像）、时间熵……等等。如果加上他们的改进版，那就是很大的一个家族了。
对于上一些方法的一点简单的对比分析可以参考下：
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
