M4CD：一种面向智能视觉监控的鲁棒变化检测方法
计算机视觉与模式识别
2018-02-15 v1
摘要
本文提出一种面向智能视觉监控的鲁棒变化检测方法。该方法名为 M4CD，包含三个主要步骤。首先，构建并随时间更新一个融合颜色与纹理线索的基于样本的背景模型。其次，通过比较输入帧与背景模型提取多种异构特征（包括亮度变化、色度变化和纹理变化），并设计多源学习策略在线估计前景与背景的概率分布。这三种特征近似条件独立，使得多源学习可行。随后利用贝叶斯规则估计像素级前景后验概率。最后，依次使用马尔可夫随机场（MRF）优化与启发式后处理技术以提高精度。特别地，构建了一个两层 MRF 模型来紧凑地表示基于像素和基于超像素的上下文约束。在 CDnet 数据集上的实验结果表明，M4CD 在复杂环境下具有鲁棒性，并位居顶尖方法之列。
引用
@article{arxiv.1802.04979,
title = {M4CD: A Robust Change Detection Method for Intelligent Visual Surveillance},
author = {Kunfeng Wang and Chao Gou and Fei-Yue Wang},
journal= {arXiv preprint arXiv:1802.04979},
year = {2018}
}