前面兩篇博文介紹了以像素值為特征的背景建模方法：以像素值為特征的方法(2)和以像素值為特征的方法(1)
下面介紹一下以紋理為特征的方法，比較出名的就是用LBP和SILTP為特征做的。 以LBP為特征的文章：A texture-based method for modeling the background and detecting moving objects 這篇文章發表在06年TPAMI上面，還是奧魯大學那幫人做的，他們已經把LBP用到極致了，LBP在計算機視覺的各個領域都得到了應用。 首先進行LBP的計算： 公式為： 特征表示完之后就是建立背景模型，為K個。模型的更新公式為： 而比較兩個直方圖的相似程度則用直方圖交集(histogram intersaction). 文章實驗做得比較充分，但是比較試驗很少只跟混合高斯模型(GMM)進行比較了.
另一篇比較好的以紋理為特征的背景建模的方法是CVPR2010的文章，題目： Modeling Pixel Process with Scale Invariant Local Patterns for Background Subtraction in Complex Scenes 本文提出了一種新的紋理表示方法，scale invariant local ternary pattern（SILTP） 其次就是在背景建模更新的時候提出一種模式核密度估計的方法(pattern kernel density estimation) 文章的對比試驗也很全，用三種方法在九段視頻上進行了試驗。

總結

以上是生活随笔為你收集整理的背景建模(四)——以纹理为特征的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。