一、思想
背景減法的基本思想是，系統事先建立並維護乙個背景模型，在檢測過程中，將採集到的當前幀影象與背景模型相減，在差分影象中提取運動目標。背景減法實現目標檢測主要包括四個環節： 背景建模，背景更新，目標檢測，後期處理。其中，背景建模和背景更新是背景減法中的核心問題。背景模型建立的好壞直接影響到運動目標檢測的效果。
二、面臨的問題
目前，關於背景減法的文獻有很多， 但是如何建立乙個具有自適應性的背景模型，是背景減法面臨的主要問題。這是因為，由於監控環境的不同，真實的背景可能隨時會發生變化，背景模型如果不能及時更新，則會導致運動目標檢測的失敗。一般說來，背景的變化可以分為以下三類：
(1) 背景擾動
全域性背景運動變化。如室外場景中，由於風的影響導致攝像機發生抖動。
區域性背景運動變化。如室外場景中樹枝的輕微重複晃動。
(2) 光照變化
光照的緩慢變化。如室外場景中天氣的緩慢變化。
光照的突然變化。如室內場景中照明燈的亮暗變化或室外場景中天氣突變。
(3) 目標引起的變化
行人或車輛進入監控場景後，因為長時間停留而成為背景的一部分。
行人有隨身物品遺留在監控場景中。
行人或車輛在監控場景中長時間停留後，又發生運動離開該場景。
運動目標檢測 背景減法
一 原理 背景減法 background subtraction 是當前運動目標檢測技術中應用較為廣泛的一類方法，它的基本思想和幀間差分法相類似，都是利用不同影象的差分運算提取目標區域。不過與幀間差分法不同的是，背景減法不是將當前幀影象與相鄰幀影象相減，而是將當前幀影象與乙個不斷更新的背景模型相減，...
語義網面臨的問題
語義網最大的好處就是可以讓計算機具有對網路空間儲存的資料進行智慧型評估的能力。這樣，計算機就可以不僅僅處理資料還可以像人腦一樣理解資訊的含義。資料一直是語義網的核心問題。w3c定義了一些語義網規範如，rdf,rdfsowl等。但目前，網際網路上絕大部分內容並不符合語義網規範。因此，如何高效地從非結構...
IT行業所面臨的問題
dym 人潮洶湧的招聘市場，準備拿什麼去找工作？dym 需要在大學學到一技之長嗎？我 大學需要全面發展，但學好自己的專業知識也是必須的。dym 需要準備什麼專業技能？我 作為一名學生，我們對自己的專業必須有一定的要求，掌握好基本的程式能力，比如 基礎程式的編寫及修改能力。但也不能要求過高，不能畢業就...