用于背景/前景分离的卡尔曼滤波器

Posted

技术标签:

【中文标题】用于背景/前景分离的卡尔曼滤波器【英文标题】:Kalman filter for background/foreground separation 【发布时间】:2014-06-30 09:42:23 【问题描述】:

我使用卡尔曼滤波器进行背景/前景分离,如 "Adaptive Background Estimation and Foreground Detection using Kalman-Filtering " 中所述。基本上是实现以下等式。

其中 S-hat 是估计的像素背景强度。我已经实现了上述方程。我看到 S-hat 在 s(x,y,ti) 处跟随/接近输入图像强度值,这意​​味着我假设实现是正确的。在那种情况下,如何提取前景蒙版? 谢谢

【问题讨论】:

这个问题似乎是题外话,因为它是关于数学而不是编程。尝试在交叉验证或 dsp.stackexchange 上询问 @batuman 我正在尝试做类似的事情,你解决了这个问题吗? 【参考方案1】:

这个问题在论文中得到了很好的回答。

您可以通过检查 ss-hat 是否彼此靠近来找到地图。论文的下半部分包含了所有的方程和一些关于如何选择阈值的评论。

【讨论】:

是的,我做的好像 s 和 s-hat 的差异高于阈值,我把那个像素作为前景,如果不是背景。但是前景蒙版图像非常嘈杂。我与 MOG 相比,使用 Kalman 更嘈杂。使用卡尔曼还有其他要求吗? 这对于 SO 来说已经离题了,我当然不会为你实施这篇论文。不,使用 KF 似乎没有任何其他要求。但是,本文仅将其用作介绍,然后在其上添加了自己的方法。 “嘈杂”(即空间或时间噪声)到底是什么意思?什么是 MOG?另外,为什么要使用它,它是最先进的还是特别容易? 对不起,我以为你已经实现了。 MOG 是高斯的混合。 我知道它们是 GMM,高斯混合模型。

以上是关于用于背景/前景分离的卡尔曼滤波器的主要内容,如果未能解决你的问题,请参考以下文章

python中用于速度估计的卡尔曼滤波器实现

如果卡尔曼滤波器无法计算出稳定的卡尔曼增益,可能的原因是啥?

适用于 iOS 的卡尔曼滤波器

具有四个输入参数的卡尔曼滤波器

使用 Eigen 实现 3D 位置的卡尔曼滤波器

具有 2 个测量噪声的卡尔曼滤波器