3

我在实施移动观察者的统计背景减法论文时遇到了一些问题。

问题一：

在第 4.1 节中，它谈到了“......中值方差是根据第一个组件计算整个图像的......”

我很困惑作者的实际意思。

根据Stauffer & Grimson的论文 Adaptive Background Mixture Models for Real-Time Tracking (1999)，对于每个背景模型，都会初始化一个方差（比如值为 36），然后针对每个像素进行更新。是否应该取第一个模型在该帧所有像素上的方差的中值？

                  OR

我们根据属于第一个模型的那些强度值的历史计算每个像素的方差，然后取所有这些方差的中间值。

问题 2：

我在理解第 4.1 节中的方程 (12) 时遇到困难

a) 'i' 是从1toH+1吗？如果是，第 (H+1) 个模型如何适合方程？

i) 就在等式 (13) 之后P(A_1 | B_(H+1),M)定义。不应该rho_(H+1) = min(1, N_tot/N_max)代替 max 可以使P(A_1 | B_(H+1),M) (-)ve 吗？

ii) 对于第 (H+1) 个模型，我们应该有P(A_1 | B_(H+1),M) * P(B_(H+1) | N) to P(A_1 | Z,M)等式 (12) 吗？

b) 当 H=1 时，dosP(A1|Z,M)变为 1？

我的实现在这里。

请在我的网页中提到的MATLAB文件中查看我的试用版。

4

2 回答 2

0

问题 1，第一个选项，“是否应该取第一个模型在该帧所有像素上的方差的中值？”。

是的，它假设背景像素的方差低于前景。因此，所有方差的中位数将为背景提供可接受的方差。

于 2011-05-30T03:31:46.223 回答
0

在这里很好地细分：http ://blog.damiles.com/2009/03/the-basics-of-background-substraction/

它也在opencv书中。

opencv2 中的代码：opencv2中的背景减法

于 2012-04-04T23:01:40.480 回答