原文:
基於區域性二值相似性模式（lbsp）的運動目標檢測演算法
improving background subtraction using local binary similarity patternswacv2014。在vibe中，演算法主要是基於畫素之間的比較，而沒有考慮到領域空間的相關資訊。在這篇文章裡作者採用具有空間資訊lbsp描述子進行背景建模，提高了演算法的檢測效能和穩定性，通過cdnet的資料集的測試表明該演算法優於大多數演算法，下面對該文章進行具體介紹。
本文演算法作者又簡稱為lobster（localbinarysimlilarity segmenter）。首先介紹下lbp運算元，lbp運算元的計算公式如下，
而lbsp該運算元與lbp的唯一不同點就是中間畫素與周圍畫素進行比較時採用的是絕對值，當該絕對值小於某一值時，則為0，否則為1，計算公式如下：
演算法的其他處理與vibe演算法的處理一致。作者也給出了偽**：
前景檢測演算法（八） SACON演算法
原文 sacon sample consensus 演算法是基於樣本一致性的運動目標檢測演算法。該演算法通過對每個畫素進行樣本一致性判斷來判定畫素是否為背景。演算法框架圖 由上圖可知，該演算法主要分為四個主要部分，分別是鄰域差分 sacon演算法核心處理 空洞填充後處理 tom time out m...
前景檢測演算法 2 幀差法1
幀差法是背景減圖法中的一種，只不過是幀差法不需要建模，因為它的背景模型就是上一幀的圖，所以速度非常快，另外幀差法對緩慢變換的光照不是很敏感，所以其用途還是有的，有不少學者對其做出了出色的改進。其基本原理可以用下面公式看出 i t i t 1 i t i t 1 t 前景 其中i t i t 1 分別...
VIBE檢測演算法
一 vibe 獲取目標 其他演算法處理 最終目標 優點 記憶體占用少，處理速度快，計算量小，檢測效果好 無引數法 可直接應用在產品中，軟硬體相容性好 效能優於混合高斯，引數化方法，sacon等 背景模型及時初始化 具有較好的抗噪能力。缺點 ghost區域 挑戰 必須適應環境的變化 比如光照的變化造成...