一、原理
背景減法(background subtraction)是當前運動目標檢測技術中應用較為廣泛的一類方法，它的基本思想和幀間差分法相類似，都是利用不同影象的差分運算提取目標區域。不過與幀間差分法不同的是，背景減法不是將當前幀影象與相鄰幀影象相減，而是將當前幀影象與乙個不斷更新的背景模型相減，在差分影象中提取運動目標。
背景減法的運算過程如圖2-6所示。首先利用數學建模的方法建立一幅背景影象幀b
，記當前影象幀為f
n，背景幀和當前幀對應畫素點的灰度值分別記為b
(x,y )和fn
(x , y ) ，按照式2.17將兩幀影象對應畫素點的灰度值進行相減，並取其絕對值，得到差分影象d n
：設定閾值 t
，按照式2.18逐個對畫素點進行二值化處理，得到二值化影象 rn'
。其中，灰度值為255的點即為前景(運動目標)點，灰度值為0的點即為背景點；對影象 rn'進行連通性分析，最終可得到含有完整運動目標的影象rn。
背景減法計算較為簡單，由於背景影象中沒有運動目標，當前影象中有運動目標，將兩幅影象相減，顯然可以提取出完整的運動目標，解決了幀間差分法提取的目標內部含有「空洞」的問題。
利用背景減法實現目標檢測主要包括四個環節：背景建模，背景更新，目標檢測，後期處理。其中，背景建模和背景更新是背景減法中的核心問題。背景模型建立的好壞直接影響到目標檢測的效果。所謂背景建模，就是通過數學方法，構建出一種可以表徵「背景」的模型。獲取背景的最理想方法是在沒有運動目標的情況下獲取一幀「純淨」的影象作為背景，但是，在實際情況中，由於光照變化、雨雪天氣、目標運動等諸多因素的影響，這種情況是很難實現。
運動背景下的運動目標檢測
各種目標檢測方法介紹 懶人可以直接略過 目標檢測是乙個老話題了，在很多演算法當中都有它的身影。目標檢測要做的就兩件事 檢測當前中有沒有目標？如果有的話，在哪？按照先驗知識和背景運動來劃分的話，目標檢測方法大概可以分為兩大類 第一，已知目標的先驗知識。在這種情況下檢測目標有兩類方法，第一類方法是用目標...
運動目標檢測OpenCV背景減除法
背景減除法 1.gmm mog2演算法，高斯混合模型分離演算法，它為每個畫素選擇適當數量的高斯分布 函式 cv2.createbackgroundsubtractormog2 int history 500,double varthread 16,bool detectshadows true 2....
運動目標檢測
目錄 檢測方法 背景模型 目標檢測 後處理 檢測方法 基於統計背景模型的運動目標檢測方法 問題 1 背景獲取 需要在場景存在運動目標的情況下獲得背景影象 2 背景擾動 背景中可以含有輕微擾動的物件，如樹枝 樹葉的搖動，擾動部分不應該被看做是前景運動目標 3 外界光照變化 一天中不同時間段光線 天氣等...