目前知道的有两个:
CvGaussBGModel - 混合高斯模型,对应实现文件cvbgfg_gaussmix.cpp, 其算法基于
KaewTraKulPong and R. Bowden, An Improved Adaptive Background Mixture Model for Real-time Tracking and Shadow Detection, AVSS 2001.
效果不错,不过缺点是不能调整参数,除非重新编译opencv(也许可以只编译一小部分,不过还是不太方便)。
CvFGDStatModel - colour co-occurence 模型(其实并不准确,姑且叫这个名吧),对应实现文件cvbgfg_acmmm2003.cpp, 其算法基于
Liyuan Li, Weimin Huang, Irene Y.H. Gu, and Qi Tian, Foreground Object Detection from Videos Containing Complex Background, ACM-MM 2003
分割效果似乎不是很好。
另有一个cvbgfg_acmmm2003.cpp文件,只有一个cvRefineForegroundMaskBySegm 函数,是用来做简单的后处理(post-processing)的。
未完待续。。。
本文介绍了两种背景分割算法:混合高斯模型(CvGaussBGModel)和色彩共现模型(CvFGDStatModel)。混合高斯模型基于KaewTraKulPong和R. Bowden的工作,在实时跟踪和阴影检测方面表现良好;色彩共现模型则源自Liyuan Li等人的研究,用于复杂背景下的前景物体检测。
模型&spm=1001.2101.3001.5002&articleId=4368320&d=1&t=3&u=175b0f76eec94a90acc9cc9ec14a4419)
876

被折叠的 条评论
为什么被折叠?



