用于背景/前景分离的卡尔曼滤波器答案

【问题标题】：Kalman filter for background/foreground separation用于背景/前景分离的卡尔曼滤波器
【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】：

【解决方案1】：

这个问题在论文中得到了很好的回答。

您可以通过检查 s 和 s-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。