一、鬼影檢測演算法的總結和分析
鬼影是背景差方法檢測運動目標經常出現的問題。當對背景初始化建模時，運動目標可能處於背景中，它們運動後會產生鬼影；另一種情況，當場景中運動目標由運動變成靜止後，再開始運動，也會產生鬼影。其他類似鬼影的情況是背景中遺留的物體，或者停止運動的運動目標。
總結已有檢測鬼影演算法可以分為兩類：1)判斷背景差獲得的前景運動屬性，從而區分運動目標和鬼影。2)利用自適應背景維護和更新，最終把鬼影位置的畫素更新為背景。
第一類演算法中為了確定前景的運動屬性，又有不同的計算方法。
rita 等人利用背景差方法獲得前景塊，再把它分為運動目標、鬼影和陰影三類，文中利用時空差分方程近似計算前景畫素的光流，從而確定每個前景塊的平均光流來區別運動目標和鬼影。因為文中認為運動目標塊應該具有不能忽略的運動，而鬼影塊是靜止的，其平均光流幾乎為零；
calderaura 等人提出一種快速鬼影消除的方法：建立一副影象 at 用來記錄t時刻的所以前景塊位置上畫素點被檢測為靜止的次數，at的計算公式為：
其中，sd（i, j）表示當前和前幀影象同一位置上畫素值絕對差值，tsd表示合適的閾值，sd(i, j)小於閾值，則認為該畫素靜止。第h個前景塊(mvoth)若滿足下式就檢測為鬼影：
其中，nth 種表示 mvoth 畫素總數，tghast 表示上面分式的閾值，而分式是在足夠時間之內 mvoth 被檢測為靜止的畫素佔總畫素的百分比。
一般來說，屬於鬼影的畫素 sd(i, j) 將低於閾值tsd，因此 at(i, j)的值將會增加。分式值超過 tghast 時，前景塊被檢測為鬼影而更新為背景。
tao 等人利用幀差法記錄每個象素的運動狀態，若運動狀態因子s減至0，表示該畫素為靜止應該更新為背景。所以這樣可以消除鬼影，因為鬼影區域幀差法計算時差值小於閾值(和背景一樣)。在文章中通過計算前景塊的位置和面積確定前後兩幀影象的前景塊是靜止還是運動，前景塊被檢測為靜止的次數超過閾值就認為是鬼影而更新為背景。
cheung等人利用 kaleman 濾波更新背景進行背景差分割運動目標和背景。鬼影利用前景塊的幀差小用閾值進行判斷，從而去除鬼影。
文章中作者通過計算前景塊的位置和面積確定前後兩幀影象的前景塊是靜止還是運動，前景塊被檢測為靜止的次數超過閡值就認為是鬼影而更新為背景。
第二類演算法對背景進行自適應更新。stauffer 等人利用當前影象對背景進行維護更新，從而最終消除鬼影的影響，lee提出提高背景更新速度從而加快消除鬼影。而文章延遲更新可能產生鬼影區域為背景，從而避免鬼影產生。
現有的鬼影檢測演算法存在一些問題，例如，第一類演算法中，利用幀差法確定前景畫素或前景塊的運動狀態不能解決顏色一致的運動目標誤檢為鬼影的問題，不能有效區別「鬼影」與背景中遺留物體以及如果「鬼影」區域立刻被另一真實目標所佔據，「鬼影」將不能檢測出來，例如在目標擁擠區域出現的「鬼影」。計算近似光流的方法也不能解決以上三個問題，而且光流的計算比較耗時。第二類演算法中，利用自適應的背景維護和更新。這是一種常用的背景建模方法，雖然最終能夠消除鬼影，但這是乙個非常費時的過程。雖然lee 提出加快背景更新速度，但這樣帶來另乙個問題，即影響慢運動速度目標的檢測。
運動目標檢測
目錄 檢測方法 背景模型 目標檢測 後處理 檢測方法 基於統計背景模型的運動目標檢測方法 問題 1 背景獲取 需要在場景存在運動目標的情況下獲得背景影象 2 背景擾動 背景中可以含有輕微擾動的物件，如樹枝 樹葉的搖動，擾動部分不應該被看做是前景運動目標 3 外界光照變化 一天中不同時間段光線 天氣等...
運動背景下的運動目標檢測
各種目標檢測方法介紹 懶人可以直接略過 目標檢測是乙個老話題了，在很多演算法當中都有它的身影。目標檢測要做的就兩件事 檢測當前中有沒有目標？如果有的話，在哪？按照先驗知識和背景運動來劃分的話，目標檢測方法大概可以分為兩大類 第一，已知目標的先驗知識。在這種情況下檢測目標有兩類方法，第一類方法是用目標...
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，...