使用Codebook模型进行实时前景背景分割.pdf

使用 Codebook 模型进行实时前景-背景分割 Real-time foreground–background segmentation using codebook model Kyungnam Kim, Thanarat H. Chalidabhongse, David Harwood, Larry Davis 何林宇 译 使用Codebook 模型进行实时前景-背景分割 翻译：何林宇 目录 1. 引言2 1.1. 相关工作2 1.2. 提出的算法3 2. 背景建模与检测3 2.1. 初始Codebook 的建立4 2.2. 最大不重复运行长度（MNRL）5 2.3. 颜色和亮度5 2.4. 前景检测7 2.5. 多模建模法评述7 3. 检测结果与比较8 4. 算法改进11 4.1. 分层建模与检测——模型维护11 4.2. Codebook 的自适应更新——在全局光照变化条件下的识别12 5. 使用PDR 分析的性能评估14 6. 结论和讨论16 1 / 17 使用Codebook 模型进行实时前景-背景分割 翻译：何林宇 使用Codebook 模型进行实时前景-背景分割 a,* b a a Kyungnam Kim , Thanarat H. Chalidabhongse , David Harwood , Larry Davis aComputer Vision Lab, Department of Computer Science, University of Maryland, College Park, MD 20742, USA bFaculty of Information Technology, King Mongkut’s Institute of Technology, Ladkrabang, Bangkok 10520, Thailand 摘要 本文提出了一种前景-背景分割的实时算法。Codebook 是一个经过压缩的、针对较长图 像序列的背景模型。由于背景在长时间内呈现类似周期性的运动，通过将每个像素点上的背 景采样值量化后存入 Codebook，我们可以在存储空间有限的条件下，获取结构化的背景变 化信息。与其它背景建模方法相比，用Codebook 表示的模型内存利用率高，运算速度快。 本文的方法能处理包含运动背景或光照变化的情景，同时它对不同类型的视频有较好的鲁棒 性。我们将自己的方法与其他多模建模法（multimode modeling techniques ）进行了对比。 除了基础算法以外，本文还提出了两种改进算法的方法——分层建模/检测与Codebook 自适应更新。 我们将扰动检测率分析（perturbation detection rate analysis ）应用于四种背景减除算法和 两段具有不同类型背景的视频，以进行性能评估。 ©2005 Elsevier Ltd. 保留所有权利 1. 引言 在视频监控中，典型的第一步处理就是将运动物体从静态摄像机获取的视频中分离出来。 一种常用的运动目标检测方法是背景减除法，即将当前图像与参考背景模型相减或找出不同 点，从而标识