CANDID：用于动态背景减除的鲁棒变化动态与确定性更新策略
计算机视觉与模式识别
2018-04-20 v1
摘要
视频中的背景减除提供了许多计算机视觉应用所必需的预备信息。本文提出一系列名为CANDID的方法以应对挑战性视频场景中的变化检测问题。CANDID自适应地初始化像素级距离阈值与更新率。这些参数通过计算每个位置的变化动态来更新。此外，背景模型通过制定确定性更新策略来维护。所提方法的性能在多种挑战性场景（如动态背景与极端天气条件）上进行了评估。所提方法的定性与定量度量优于现有的最先进（SOTA）方法。
引用
@article{arxiv.1804.07008,
title = {CANDID: Robust Change Dynamics and Deterministic Update Policy for Dynamic Background Subtraction},
author = {Murari Mandal and Prafulla Saxena and Santosh Kumar Vipparthi and Subrahmanyam Murala},
journal= {arXiv preprint arXiv:1804.07008},
year = {2018}
}
备注
Accepted in ICPR-2018