通过追寻动态时空模型进行复杂背景减除
计算机视觉与模式识别
2015-02-03 v1
摘要
尽管背景减除在视频监控中已被广泛讨论，但在复杂场景（例如动态背景、光照变化和前景物体不明显）的背景下，它仍然是一个未解决的问题。为了应对这些挑战，我们提出了一种有效的背景减除方法，通过在时空表示中学习和维护一组动态纹理模型来实现。在场景的任何位置，我们提取一系列规则的视频块，即跨越空间和时间域的视频体。因此，背景建模被表述为在视频块中追寻子空间，同时适应场景变化。对于每个视频块序列，我们采用 ARMA (Auto Regressive Moving Average) 模型来追寻子空间，该模型共同刻画了观测的外观一致性和时间连贯性。在线处理期间，我们增量更新子空间以应对来自前景物体和场景变化的干扰。在实验中，我们在几种复杂场景中验证了所提出的方法，并显示出优于其他最先进背景减除方法的性能。此外，还展示了参数设置和成分分析的实证研究。
引用
@article{arxiv.1502.00344,
title = {Complex Background Subtraction by Pursuing Dynamic Spatio-Temporal Models},
author = {Liang Lin and Yuanlu Xu and Xiaodan Liang and Jianhuang Lai},
journal= {arXiv preprint arXiv:1502.00344},
year = {2015}
}
备注
12 pages, 7 figures