Разница между методами переднего и заднего плана в OpenCV
OpenCV версии 2.4.5 предлагает несколько различных реализаций, которые можно использовать для отслеживания движущихся объектов, которые используют статистические методы для оценки фона. OpenCV имеет BackgroundSubtractorMOG, BackgroundSubtractorMOG2 классы реализованы на CPU. Кроме того, он имеет графические реализации BackgroundSubtractorMOG а также BackgroundSubtractorMOG2а именно gpu::MOG_GPU а также gpu::MOG2_GPU соответственно. Есть также два других алгоритма gpu::GMG_GPU а также gpu::FGDStatModel,
В моем приложении я хочу сегментировать движущиеся объекты, как только они выходят на сцену. Я хотел бы избежать ложных срабатываний, таких как тени. Эти 4 алгоритма, кажется, фокусируются на одной цели — они отделяют фон от переднего плана, создавая модель фона с течением времени. Я бродил, если кто-то, кто имел опыт работы с этими реализациями, может помочь мне решить, какую (GPU) реализацию использовать. Чем эти алгоритмы — MOG, MOG2, GMG и FGDStatModel — отличаются друг от друга? Каковы преимущества использования того или иного алгоритма? Как эти реализации сравниваются с точки зрения скорости, возможности настройки их параметров, точности, обнаружения теней (ложное срабатывание) и т. Д.?
Решение
Я наткнулся на демонстрационный исходный код bgfg_segm.cpp находится в {opencv_folder}\samples\gpu, Демонстрация показывает использование и отображает выходные данные для следующих классов сегментации background-foreground
FGDStatModel
MOG_GPU
MOG2_GPU
VIBE_GPU <- listed under `non-free functionality` in OpenCV documentation
GMG_GPU
Это именно то, что мне нужно для сравнения алгоритмов. Очевидно, что нужно настроить параметры для алгоритмов, чтобы найти один алгоритм (вместе с набором параметров), который подходит для данного приложения.
Сравнение скорости:
FGDStatModel ~60 frames per second (fps) <-slowest
MOG_GPU ~650 fps
MOG2_GPU ~650 fps
VIBE_GPU ~1000 fps <- fastest
GMG_GPU ~190 fps
Другие решения
Других решений пока нет …