这篇文章的作者Haotian Wu, Yifan Yu，在Boston大学的技术报告，忘记这篇文章是在哪里下来的了，不知道是否出自什么会议，或者是一个学习总结类型的文章，不过附有源代码，所以认真看了一下。
本文的重点是想实现实时的背景差分，在算法的效率方面的讨论比较多，这不是我所关注的地方，但是他在这篇文章中提到的背景差分模型还是值得借鉴的。
1 单高斯模型
对每个像素点建立一个高斯模型，是最简单的背景差分模型，此算法的效率很高，运行速度非常快，但是差分效果不太好。
2 Kernel Density Estimation 核密度估计
此方法的核心使用使用统计的方法，估计最近n帧的图像中的像素值，来确定当前像素点是否是前景。
把最近的n帧或者按照一定规律取n帧存入缓存（Buffer）中作为核 (未完成)
没有评论:
发表评论