背景差分法是採用圖像序列中的當前幀和背景參考模型比較來檢測運動物體的一種方法,其性能依賴於所使用的背景建模技術。
在基於背景差分方法的運動目標檢測中，背景圖像的建模和模擬的準確程度，直接影響到檢測的效果。不論任何運動目標檢測算法，都要儘可能的滿足任何圖像場景的處理要求，但是由於場景的複雜性、不可預知性、以及各種環境干擾和噪聲的存在，如光照的突然變化、實際背景圖像中有些物體的波動、攝像機的抖動、運動物體進出場景對原場景的影響等，使得背景的建模和模擬變得比較困難。
背景差分法檢測運動目標速度快，檢測準確，易於實現，其關鍵是背景圖像的獲取。在實際套用中，靜止背景是不易直接獲得的，同時，由於背景圖像的動態變化，需要通過視頻序列的幀間信息來估計和恢復背景，即背景重建，所以要選擇性的更新背景。
基本介紹
- 中文名：背景差分法
- 外文名：background-difference method、background subtraction
- 目的：檢測物體運動
- 學科：物理學、數學
- 技術：計算機視覺、建模技術
常用的背景建模方法
(2)均值法背景建模：均值法建模算法非常簡單，就是對一些連續幀取像素平均值。這種算法速度很快，但對環境光照變化和一些動態背景變化比較敏感。其基本思想是，在視頻圖像中取連續N幀，計算這N幀圖像像素灰度值的平均值來作為背景圖像的像素灰度值；
(3)卡爾曼濾波器模型：該算法把背景認為是一種穩態的系統，把前景圖像認為是一種噪聲，用基於Kalman濾波理論的時域遞歸低通濾波來預測變化緩慢的背景圖像，這樣既可以不斷地用前景圖像更新背景，又可以維持背景的穩定性消除噪聲的干擾；
(4) 單高斯分布模型：其基本思想是，將圖像中每一個像素點的灰度值看成是一個隨機過程X，並假設該點的某一像素灰度值出現的機率服從高斯分布，用數學形式表示為：
（6）高級背景模型：得到每個像素或一組像素的時間序列模型。這種模型能很好的處理時間起伏，缺點是需要消耗大量的記憶體。
