ISL-IV222【Comparison of Background Subtraction Methods 】
文件 說明 下載點
ISL-IV222-C1【Comparison of Background Subtraction Methods 】 本文件首先說明取得良好的背景對於後續影像之處理的重要性，了解三種背景相減之原理並對其進行比較。本文件程式使用OpenCV2.0版以Visual Studio2005進行編譯於Windows XP SP2執行。由於近年科技發展的進步配合影像技術的成熟，在資料儲存設備的價格亦日趨降低，以及光學取像設備的普及率提升，使得智慧型視訊監控系統(Intelligent Video Surveillance and Monitoring,VSAM）成為近年來大家所重視的項目。智慧型視訊監控系統除了一般的監視功能之外，還要有自動偵測，自動辨識，自動警示等功能。配合現今之網路技術，能使監控範圍更加廣大，監控成本更加降低，操作環境更加便利。本文件簡單介紹背景相減法的應用與需求，以及背景相減法的簡單原理，接著介紹三種背景相減法：Running Average、Foreground Detection、Gaussian Mixture Model，介紹此三種背景相減法之原理與數學公式，並以區塊方式解釋OPENCV中背景相減範例程式，在第三節進入實驗步驟與編譯過程，最後一節討論三種背景相減法之效果與執行速度，並比較其優缺點。在較複雜影片如有大型移動物經過之影片，Running Average有最佳的執行效率與時間，故Running Average在效率上為三種背景相減演算法中最佳的一種。而由實驗影片的效果而言，FGD對於前景影像的處理結果較好，GMM則較能正確偵測到移動物但相對的則是表現移動物的輪廓就較無FGD佳，Running Average就我們所實驗的影片片段來說，在表現前景影像的移動物與輪廓都沒有前兩者演算法佳。總結的來說，我們在選擇要以何種演算法來作為背景建立的處理時，應該先了解在效果或是處理時間上何種是較注重的。 立即下載