交通視頻中幾種背景生成算法的比較_交通視頻檢測

1、交通視頻中幾種背景生成算法的比較交通視頻中幾種背景生成算法的比較_交通視頻檢測交通視頻檢測背景圖像的生成與更新算法通過視頻序列的幀間信息對背景建立模型，估計和恢復(fù)背景圖像，常用的方法主要有：基于統(tǒng)計的背景模型、基于卡爾曼濾波的背景模型和基于高斯分布的背景模型等?；诮y(tǒng)計的背景模型以灰度均值法為代表，對視頻序列計算均值來生成背景圖像論文格式。這種方法雖然簡單，但極易受到前景目標(biāo)的干擾，僅適用于背景大部分時間可見、運動目標(biāo)數(shù)量較少的情況?；?/p>

2、于卡爾曼濾波的背景模型對運動物體的跟蹤有很好的效果，但是計算量很大，無法應(yīng)用于實時系統(tǒng)之中。基于高斯分布的背景模型可以很好的適應(yīng)光線的變化，對于停止或慢速目標(biāo)也有很好的魯棒性。但由于需要對每個像素點都建立多個模型進行描述，參數(shù)眾多，調(diào)試復(fù)雜，計算量也較大。由于交通視頻檢測的實時性，因而要求背景生成算法在生成質(zhì)量和速度方面都有良好性能交通視頻檢測，以上三種算法都無法很好滿足系統(tǒng)要求，本文將著重比較分析基于高斯分布的背景模型以及對其的改進以