用于背景减除的深度神经网络概念：系统综述与比较评估
计算机视觉与模式识别
2018-11-14 v1
摘要
传统神经网络为静态相机所采集视频中的背景减除提供了强大框架。事实上，知名的SOBS方法及其基于神经网络的变体曾在长时间内是大规模CDnet 2012数据集上的领先方法。近来，属于深度学习方法的卷积神经网络已成功用于背景初始化、前景检测与深度习得特征。目前，CDnet 2014中顶尖的背景减除方法基于深度神经网络，与传统基于多特征或多线索策略的无监督方法相比性能差距显著。此外，自2016年Braham与Van Droogenbroeck发表其首篇将CNN用于背景减除的工作并带来稳定性能提升以来，已发表大量论文。在此背景下，我们为新手与专家提供首篇关于背景减除中深度神经网络概念的综述，以分析此成功之处并给出进一步方向。为此，我们首先调研了用于背景初始化、背景减除与深度习得特征的方法。然后，我们讨论深度神经网络之于背景减除的适用性。最后，给出了在CDnet 2014数据集上的实验结果。
关键词
引用
@article{arxiv.1811.05255,
title = {Deep Neural Network Concepts for Background Subtraction: A Systematic Review and Comparative Evaluation},
author = {Thierry Bouwmans and Sajid Javed and Maryam Sultana and Soon Ki Jung},
journal= {arXiv preprint arXiv:1811.05255},
year = {2018}
}
备注
46 pages, 4 figures, submitted to neural networks