轉載自：https://blog.csdn.net/tiemaxiaosu/article/details/51583682

一、原理

?????? 對于一個穩定的監控場景而言，在沒有運動目標，光照沒有變化的情況下，視頻圖像中各個像素點的灰度值是符合隨機概率分布的。由于攝像機在采集圖像的過程中，會不可避免地引入噪聲，這些灰度值以某一個均值為基準線，在附近做一定范圍內的隨機振蕩，這種場景就是所謂的“背景”。

??????? 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，都是利用不同圖像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圖像與相鄰幀圖像相減，而是將當前幀圖像與一個不斷更新的背景模型相減，在差分圖像中提取運動目標。

????????????????????????????????

????背景減法的運算過程如圖2-6 所示。首先利用數學建模的方法建立一幅背景圖像幀B ，記當前圖像幀為fn，背景幀和當前幀對應像素點的灰度值分別記為B(x, y?)和fn(x , y )?，按照式2.17 將兩幀圖像對應像素點的灰度值進行相減，并取其絕對值，得到差分圖像D n：

??????????????????????????????????? ??

??? 設定閾值 T ，按照式2.18 逐個對像素點進行二值化處理，得到二值化圖像 Rn'?。其中，灰度值為255 的點即為前景(運動目標)點，灰度值為0 的點即為背景點；對圖像 Rn'進行連通性分析，最終可得到含有完整運動目標的圖像Rn?。

?????????????????????????????????????

??? 背景減法計算較為簡單，由于背景圖像中沒有運動目標，當前圖像中有運動目標，將兩幅圖像相減，顯然可以提取出完整的運動目標，解決了幀間差分法提取的目標內部含有“空洞”的問題。

??? 利用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，后期處理。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目標檢測的效果。所謂背景建模，就是通過數學方法，構建出一種可以表征“背景”的模型。獲取背景的最理想方法是在沒有運動目標的情況下獲取一幀“純凈”的圖像作為背景，但是，在實際情況中，由于光照變化、雨雪天氣、目標運動等諸多因素的影響，這種情況是很難實現。



總結

以上是生活随笔為你收集整理的运动目标检测--背景减法的全部內容，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。