知识卡片
非参数与子空间背景建模
当像素取值不服从高斯分布时,改用不预设分布形状的方法。
核密度估计:用 Parzen 窗对像素历史样本做加权求和,直接逼近任意形式的概率分布,因而能处理多峰、偏斜的取值。代价是要保存并遍历历史样本,内存与计算随样本量增长。 贝叶斯时空建模:同时利用像素的三维颜色信息和二维位置信息建模,并用核密度对前景与背景分别估计,最后用图割完成分割,把空间连续性约束引入判决,减少孤立噪点。 码本(Codebook):为每个像素维护若干码元,用匹配码元判断是否为背景,存储紧凑、匹配快,适合长时间监控。 均值漂移背景建模:用均值漂移在特征空间寻找背景模态。PCA 背景提取:把图像序列投影到低维子空间,利用背景的低秩性分离前景,能一定程度抑制光照变化,但背景剧烈变化时低秩假设失效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 概述
原书出处 · 1 处
- 第1章 概述 · 查看原书依据
其中,Elgammal等提出了一种基于核密度估计的算法,该算法采用了Parzen窗估计方法,可以处理图像中像素点的灰度值或颜色值任意形式的概率分布
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第1章 概述(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt001.html)
- 结论依据:当像素取值不服从高斯分布时,改用不预设分布形状的方法。
- 原始内容:其中,Elgammal等提出了一种基于核密度估计的算法,该算法采用了Parzen窗估计方法,可以处理图像中像素点的灰度值或颜色值任意形式的概率分布