×

用于前景检测的背景建模的传统方法和最新方法:综述。 (英语) Zbl 1296.68170号

摘要:用于前景检测的背景建模通常用于不同的应用程序,以对背景建模,然后像视频监控一样检测场景中的运动对象。在过去十年里,这一领域的出版物非常重要。此外,在文献中可以找到一些调查,但没有一项涉及该领域的全面综述。因此,本文的目的是对传统方法和最近的方法进行全面综述。首先,我们对文献中发现的不同方法进行分类。我们根据使用的数学模型对它们进行了分类,并根据它们声称要处理的关键情况对其进行了讨论。此外,我们还提供了可用的资源、数据集和库。然后,我们总结了未来研究的几个有希望的方向。

MSC公司:

第68页第45页 机器视觉和场景理解
68-02 与计算机科学有关的研究展览会(专著、调查文章)

软件:

普芬德PDCO公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 张,S。;Kamath,C.,《城市交通视频的鲁棒背景减法和前景验证》,EURASIP J.Appl。信号处理。(2005) ·Zbl 1097.68658号
[2] 田,Y。;高级,A。;Lu,M.,《复杂监控视频中稳健高效的前景分析》,马赫。视觉。申请。,23, 5, 967-983 (2012)
[5] Carranza,J。;Theobalt,C。;马格诺,M。;塞德尔,H.,人类演员的自由视点视频,ACM Trans。图表。,22, 3, 569-577 (2003)
[6] Elhabian,S。;El-Sayed,K。;Ahmed,S.,《使用背景去除技术的空间域运动物体检测——最新技术》,最近的专利计算。科学。,1, 1, 32-54 (2008)
[7] 克里斯塔尼,M。;法伦泽纳,M。;布洛伊西,D。;Murino,V.,自动化多传感器监控的背景减法:综合综述,EURASIP J.Adv.Signal Process。,24 (2010)
[8] 布曼,T。;El-Baf,F。;Vachon,B.,《前景检测的统计背景建模:一项调查》(模式识别和计算机视觉手册,第4卷(2)(2010),世界科学出版社),181-199
[9] 拉德克,R。;安德拉,S。;Al-Kofahi,O。;Roysam,B.,《图像变化检测算法:系统调查》,IEEE Trans。图像处理。,14, 3, 294-307 (2005)
[10] 崔,X。;Metaxas,D。;刘,Q。;Zhang,S.,用于快速显著运动检测的时间谱残差,神经计算,24-32(2012)
[13] Bouwmans,T.,《前景检测的最新高级统计背景建模:系统调查》,《最新专利计算》。科学。,4, 3, 147-171 (2011)
[14] 布曼,T。;El-Baf,F。;Vachon,B.,《使用高斯混合进行前景检测的背景建模:一项调查》,《最新专利计算》。科学。,1, 3, 219-237 (2008)
[15] Bouwmans,T.,《用于背景建模的子空间学习:一项调查》,《最新专利计算》。科学。,2, 3, 223-234 (2009)
[20] Bouwmans,T.,《视觉监控的背景减法:模糊方法》,(视频监控软计算手册,第5卷(2012年),Taylor和Francis Group)
[21] 坎迪斯,E。;李,X。;马云(Ma,Y.)。;Wright,J.,稳健主成分分析?,国际期刊ACM,58,3(2011)·Zbl 1327.62369号
[25] 布曼,T。;冈萨雷斯,J。;Shan,C。;皮卡迪,M。;Davis,L.,《真实世界动态场景中前景检测的背景建模专题》,马赫出版社。视觉。申请。(2014)
[26] 真空,A。;托恩,L。;Robunult,L。;Chateau,T.,背景模型比较专刊,计算。视觉。图像理解。(2014)
[28] 北卡罗来纳州麦克法兰。;斯科菲尔德,C.,《图像中小猪的分割和跟踪》,英国马赫出版社。视觉。申请。,187-193 (1995)
[29] 郑洁。;Wang,Y。;尼汉,N。;Hallenbeck,E.,《提取道路背景图像:基于模式的方法》,J.Transp。Res.Rep.,1944,82-88(2006)
[30] 侯,Z。;Han,C.,基于像素强度分类的背景重建算法,J.Softw。,9, 16, 1568-1576 (2005)
[34] 雷恩,C。;阿扎尔巴耶贾尼,A.,Pfinder:人体实时跟踪,IEEE Trans。模式分析。马赫。智力。,19, 7, 780-785 (1997)
[47] 巴特勒,D。;波夫,V。;Shridharan,S.,实时自适应前景/背景分割,EURASIP,2292-2304(2005)·Zbl 1097.68644号
[51] 卡尔布里克,D。;马奎斯,O。;Socek,D。;Kalva,H。;Furht,B.,视频对象分割背景建模的神经网络方法,IEEE Trans。神经网络。,18, 6, 1614-1627 (2007)
[55] Maddalena,L。;Petrosino,A.,《视觉监控应用背景差分的自组织方法》,IEEE Trans。图像处理。,17, 7, 1729-1736 (2008)
[57] Maddalena,L。;Petrosino,A.,移动目标检测的3dSOBS+算法,计算。视觉。图像理解。,122, 65-73 (2014)
[60] Karmann,K。;Von Brand,A.,《使用自适应背景存储器的运动物体识别》(时间变化图像处理和运动物体识别(1990),爱思唯尔出版社)
[65] 范,W。;Bouguila,N.,有限Dirichlet混合模型的在线变分学习,进化系统。(2012)
[66] A.法罗。;佐丹奴,D。;Spampinato,C.,集成亮度传感器和遮挡处理的自适应背景建模,用于可靠的车辆检测,IEEE Trans。智力。运输。系统。,12, 4, 1398-1412 (2011)
[74] Kim,W。;Kim,C.,《使用模糊颜色直方图进行动态纹理场景的背景减法》,IEEE信号处理。莱特。,3, 19, 127-130 (2012)
[76] 法卡斯,D。;Marghes,C。;Bouwmans,T.,《通过增量最大边缘准则进行背景减法:一种鉴别方法》,马赫。视觉。申请。,23, 6, 1083-1101 (2012)
[78] Liwick,S。;齐米罗普洛斯,G。;Zafeiriou,S。;Pantic,M.,Euler主成分分析,国际计算杂志。视觉。,101, 3, 498-518 (2013) ·兹比尔1259.68178
[80] 德拉托雷,F。;Black,M.,稳健子空间学习框架,国际计算机杂志。视觉。,117-142 (2003) ·Zbl 1076.68058号
[82] Kwak,N.,基于(l_1)范数最大化的主成分分析,IEEE Trans。模式分析。马赫。智力。,1672-1680(2008年)
[83] He,R。;胡,B。;郑伟。;Kong,X.,基于最大相关熵准则的稳健主成分分析,IEEE Trans。图像处理。,1485-1494 (2011) ·Zbl 1372.94369号
[84] 林,L。;Xu,Y。;Liang,X.,通过追求动态时空流形的复杂背景减法,IEEE Tran。图像处理。(2013)
[86] Zhou,Z。;李,X。;Wright,J。;坎迪斯,E。;Ma,Y.,稳定主成分追踪,IEEE ISIT Proc。,1518-1522 (2010)
[92] 徐,D。;卡卡德,S。;Zhang,T.,稀疏腐蚀下的稳健矩阵分解,IEEE Trans。通知。理论,57,11,7221-7234(2011)·Zbl 1365.15018号
[96] 丁,X。;He,L。;Carin,L.,贝叶斯稳健主成分分析,IEEE Trans。图像处理。(2011) ·Zbl 1381.62144号
[97] 巴巴坎,S。;Luessi,M。;莫利纳,R。;Katsaggelos,A.,低秩矩阵估计的稀疏贝叶斯方法,IEEE Trans。信号处理。(2011)
[99] 巴巴坎,S。;Luessi,M。;莫利纳,R。;Katsaggelos,A.,稳健PCA的稀疏可加矩阵分解及其推广,ACML 2012(2012)
[101] 关,N。;陶,D。;罗,Z。;Shawe-Taylor,J.,MahNMF:曼哈顿非负矩阵因式分解,J.Mach。学习。研究(2012)
[105] He,J。;张,D。;巴尔扎诺,L。;Tao,T.,稳健图像对齐的迭代格拉斯曼优化,image Vis。计算。(2013)
[107] 塞德尔,F。;黑格,C。;Kleinsteuber,M.,pROST-一种用于视频实时背景减法的平滑(l_p\)范数鲁棒在线子空间跟踪方法,Mach。视觉。申请。(2014)
[109] 周,X。;杨,C。;Yu,W.,通过检测低秩表示中的连续离群点来检测运动对象,IEEE Trans。模式分析。马赫。智力。,35, 597-610 (2013)
[118] Tan,H。;Cheng,B。;冯,J。;冯·G。;Wang,W。;Zhang,Y.,基于多线性增广拉格朗日乘子法的低阶张量恢复,神经计算(2013)
[124] Cichocki,A。;潘,A。;兹杜内克,R。;Amari,S.,非负矩阵和张量因子分解在探索性多路数据分析和盲源分离中的应用(2009),Wiley
[137] Sigari,M。;莫扎亚尼,N。;Pourreza,H.,《模糊运行平均值和模糊背景减法:概念和应用》,国际计算机杂志。科学。Netw公司。安全,8,2138-143(2008)
[141] Zhang,Y。;梁,Z。;侯,Z。;Wang,H。;Tan,M.,用于运动分割的具有在线背景重建和可调前景合并时间的自适应混合高斯背景模型,ICIT 2005,23-27(2005)
[144] Magee,D.,使用前景、背景和运动模型跟踪多个车辆,Image Vis。计算。,22, 143-155 (2004)
[146] Bhaskar,H。;Mihaylova,L。;Achim,A.,基于对称字母稳定混合模型的视频前景检测,IEEE Trans。电路系统。视频技术。(2010)
[147] 李,L。;黄伟,用于前景目标检测的复杂背景统计建模,IEEE Trans。图像处理。,13, 11, 1459-1472 (2004)
[150] Unzueta,L。;尼托,M。;科尔特斯,A。;巴兰迪亚兰,J。;Otaegui,O。;Sanchez,P.,用于稳健车辆计数和分类的自适应多核背景减法。,IEEE传输。智力。运输。系统。,13, 2, 527-540 (2012)
[152] 布洛西,D。;宾夕法尼亚州。;Iocchi,L.,海洋领域背景建模,马赫。视觉。申请。(2014)
[163] Mashak,S。;侯赛尼、贝纳姆;Abu-Bakar,S.,《不同环境下目标检测的背景减法》,国际计算机杂志。通知。系统。工业。管理。申请。,4, 506-513 (2012)
[165] Guerra-Filho,G.,《光学运动捕捉:理论与实现》,J.Theoret。申请。通知。(RITA),12,2,61-89(2005)
[166] Chien,S。;马,S。;Chen,L.,使用背景注册技术的高效运动对象分割算法,IEEE视频技术电路和系统事务,12,7,577-586(2012)
[167] 保罗,M。;林,W。;Lau,C。;Lee,B.,动态背景视频编码,EURASIP J.高级信号处理。,2013, 11 (2013)
[171] 曾磊。;张,S。;Zhang,Y.,《通过SIFT和动态编程实现动态图像拼接》,《机器视觉与应用》(2014)
[174] 瓦罗纳,J。;冈萨雷斯,J。;里乌斯,我。;Villanueva,J.,视频监控应用中检测的重要性,Opt。工程,1-9(2008)
[175] 岛田,A。;Nonaka,Y。;长原,H。;Taniguchi,R.,《基于案例的背景建模:面向低成本和高性能变化检测的关联背景数据库》,马赫。视觉。申请。(2014)
[177] 卡萨雷斯,M。;Velipasalar,S。;Pinto,A.,嵌入式智能相机的光-光突出前景检测,计算机。视觉。图像理解。(2010)
[179] 阿里,我。;Mille,J。;Tougne,L.,《将刚性运动模型添加到前景检测中:在河流中运动物体检测中的应用》,模式分析。申请。(2013)
[182] Prati,A。;米奇,I。;特里维迪,M。;Cucchiara,R.,《检测移动阴影:算法和评估》,IEEE Trans。模式分析。马赫。智力。,25, 4, 918-923 (2003)
[184] Al-Najdawi,N。;Bez,H。;辛海,J。;Edirisinghe,E.,投射阴影检测算法综述,模式识别。莱特。,33, 6, 752-764 (2012)
[185] 萨宁,A。;桑德森,C。;Lovell,B.,《阴影检测:最新方法的调查和比较评估》,《模式识别》。,45, 4, 1684-1689 (2012)
[186] 阿马托。;韦尔塔,I。;莫泽罗夫,M。;罗卡,F。;Gonzalez,J.,视频监控应用的移动阴影检测方法,Augmen。视觉。现实(2012年)
[188] Chan,A。;马哈德万,V。;Vasconcelos,N.,动态场景的广义stauffer-grimson背景减法,马赫。视觉。申请。,21, 5, 751-766 (2011)
[190] 沙阿(Shah,M.)。;邓,J。;Woodford,B.,《视频背景建模:最近的方法、问题和我们的解决方案》,Mach。视觉。申请。(2014)
[192] 谢赫,Y。;Shah,M.,用于目标检测的动态场景贝叶斯建模,IEEE Trans。模式分析。马赫。智力。,PAMI 2005,27,11,1778-1792(2005)
[193] Narayana,M。;Hanson,A。;Learned Miller,E.,背景减法-分离建模和推理,马赫。视觉。申请。(2014)
[194] 刘,Z。;黄,K。;Tan,T.,基于em框架的自顶向下信息的前景对象检测,IEEE Trans。图像处理。,21, 9, 4204-4217 (2012) ·Zbl 1373.94798号
[197] 蔡,D。;Lai,C.,基于独立分量分析的室内监控背景减法,IEEE Trans。图像处理。IP 2009,8,1,158-167(2009)·Zbl 1371.94376号
[199] 赵,C。;王,X。;Cham,W.,《通过鲁棒字典学习进行背景减法》,EURASIP J.图像视频处理。2011年IVP(2011年)
[202] 肖,H。;Leou,J.,引导视频序列的背景初始化和前景分割,EURASIP J.图像视频处理。,1-19 (2013)
[203] Abbott,R。;Williams,L.,具有惰性背景减法和连接成分分析的多目标跟踪,马赫。视觉。申请。,20, 2, 93-101 (2009)
[209] Teixeira,L。;Cardoso,J。;Corte-Real,L.,使用背景建模和级联变化检测进行对象分割,J.Multimedia,2,5,55-65(2007)
[211] 塔瓦科利,A。;尼科尔斯库,M。;贝比斯,G。;Nicolescu,M.,高效前景区域检测的非参数统计背景建模,机器视觉与应用,20,6,395-409(2009)
[213] Tavakkoli,A.,《新颖性检测:视频中前景检测的方法》,模式识别。,7 (2010)
[214] 海基拉,M。;Pietikainen,M.,《一种基于纹理的背景建模和运动物体检测方法》,IEEE Trans。模式分析。马赫。智力。,PAMI 2006,28,4,657-662(2006)
[219] 张,S。;姚,H。;Liu,S.,基于局部依赖直方图的动态背景减法,国际J。模式识别。人工智能(2009)
[227] 阿尔瓦尔,M。;罗德里格斯-卡尔沃,A。;桑切斯·米拉莱斯,A。;Arranz,A.,使用RTDENN的合并高斯算法的混合,马赫数。视觉。申请。(2014)
[229] Lin,H。;刘,T。;Chuang,J.,通过分类学习场景背景模型,IEEE Trans。信号处理。,57, 5, 1641-1654 (2009) ·Zbl 1391.94091号
[230] Wang,J。;尼科尔斯库,M。;贝比斯,G。;尼科尔斯库,M。;Miller,R.,通过将目标检测与跟踪相结合来改进目标检测,马赫。视觉。申请。,1-19 (2008)
[231] 马,J。;Theiler,J.,精确在线支持向量回归,神经计算。,15, 2683-2703 (2003) ·Zbl 1085.68640号
[232] 塔瓦科利,A。;尼科尔斯库,M。;贝比斯,G。;Nicolescu,M.,《准静态背景视频中背景建模的支持向量数据描述方法》,国际期刊Artif。智力。工具,17,4,635-658(2008)
[236] Xu,Z。;顾一。;Shi,P.,视频中递归误差补偿动态特征背景学习和自适应背景减法,光学。工程,47,5(2008)
[240] Li,Y.,关于增量和鲁棒子空间学习,模式识别。,37, 7, 1509-1518 (2004) ·Zbl 1070.68591号
[243] Dong,Y。;DeSouza,G.,照明变化下前景检测的多个子空间自适应学习,计算。视觉。图像理解。(2011)
[245] Kim,K。;Chalidabhongse,T。;哈伍德,D。;Davis,L.,使用码本模型进行实时前景背景分割,实时成像,11,3,167-256(2005)
[248] 胡,H。;徐,L。;Zhao,H.,YUV颜色空间中用于运动目标检测的球形码本,Sensor Lett。,10, 1, 177-189 (2012)
[256] 博内塞尼亚,M。;Bozzoli,A.,更新参考图像的可调算法,信号处理。,图像通信。,16, 4, 1353-1365 (2000)
[266] Elguebaly,T。;Bouguila,N.,使用非对称高斯分布和阴影检测的有限混合的背景减法,马赫。视觉。申请。(2014)
[268] 布曼,T。;El Baf,F.,用2型模糊高斯混合模型对动态背景进行建模,MASAUM J.基本应用。科学。,1, 2, 265-277 (2009)
[271] 丁,Y。;李伟(Li,W.)。;风扇,T。;Yang,H.,复杂背景下的鲁棒运动目标检测,计算。科学。信息系统。,2010年7月1日
[274] Kashani,H。;Seyedin,S。;Yazdi,H.,《视频场景背景估计的新方法》,国际计算机杂志。理论工程,2,2,274-282(2010)
[276] 奇兰杰维,P。;Sengupta,S.,《运动物体鲁棒检测的新模糊纹理特征》,IEEE信号处理。莱特。,19, 10, 603-606 (2012)
[278] Sivabalakrishnan,M。;Manjula,D.,《动态环境中使用模糊逻辑的自适应背景减法》,《国际图像处理杂志》。,4, 1 (2010)
[279] 斯科卡,D。;Leonardis,A.,《基于外表的取向、自我评估和自我定位的典型相关分析》,CogVis Meet。(2004)
[284] 哈东,D。;塞德马克,S。;Shawe,S.,典型相关分析:学习方法应用概述,神经计算。,16, 2639-2664 (2006) ·Zbl 1062.68134号
[287] 罗斯帕尔,R。;Kramer,N.,偏最小二乘法概述和最新进展,SLSFS,3940,34-35(2005)
[288] 林,Z。;陈,M。;Wu,L。;Ma,Y.,精确恢复受损低秩矩阵的增广拉格朗日乘子法,载于:UIUC技术报告(2009)
[289] 林,Z。;Ganesh,A。;Wright,J。;Wu,L。;陈,M。;Ma,Y.,精确恢复受损低秩矩阵的快速凸优化算法,载于:UIUC技术报告(2009)
[290] 袁,X。;Yang,J.,通过交替方向方法进行稀疏和低阶矩阵分解,Optim。在线(2009年)
[292] 安德森,M。;巴拉德·G。;Demme,J。;Keutzer,K.,《通信——GPU避免QR分解》。ECCS技术报告(2010)
[300] 谢赫,Y。;Shah,M.,用于目标检测的动态场景贝叶斯建模,IEEE Trans。模式分析。马赫。智力。,27, 1778-1792 (2005)
[302] Tibshirani,R.,通过Lasso,J.R.Stat.Soc.回归收缩和选择,58,267-288(1996)·Zbl 0850.62538号
[303] Tropp,J。;Gilbert,A.,通过正交匹配追踪从随机测量中恢复信号,IEEE Trans。通知。理论,53,4655-4666(2007)·Zbl 1288.94022号
[305] 桑德斯,M。;陈,S。;Donoho,D.,《通过基追踪进行原子分解》,J.Sci。计算。(1998)
[307] 李,J。;Wang,J。;Shen,W.,压缩采样框架下的运动目标检测,J.Syst。电子工程。,21, 5, 740-745 (2010)
[309] 菲格雷多,M。;诺瓦克,R。;Wright,S.,《稀疏重建的梯度投影:压缩传感和其他反问题的应用》,IEEE J.Sel。顶部。信号处理。,1, 586-597 (2007)
[311] 亚哈龙,M。;Elad,M。;Bruckstein,A.,《K-SVD:设计稀疏表示超完备字典的算法》,IEEE Trans。信号处理。,2424311-4322(2006年)·Zbl 1375.94040号
[314] Sang,N。;张,T。;李,B。;吴欣,基于词典的背景减法,华中科技大学。技术。,41, 9, 28-31 (2013)
[318] Guan,Y.,基于小波多尺度变换的前景分割和阴影消除,开放信号处理。J.,1,1-6(2008)·Zbl 1322.94045号
[321] Benedek,C。;Sziranyi,T.,不确定帧速率监视视频中的贝叶斯前景和阴影检测,IEEE Trans。图像处理。,17, 4, 608-621 (2008)
[322] Benedek,C。;Sziranyi,T.,《视频监控中检测投射阴影的颜色空间选择研究》,国际成像系统杂志。技术。,17,3,190-201(2007),应用彩色图像处理专刊
[323] Sobral,A。;Vacavant,A.,《用合成视频和真实视频评估背景减法算法的综合评论》,《计算》。视觉。图像理解。(2014)
[324] 坎普拉尼,M。;布兰科,C。;萨尔加多,L。;Jaureguizar,F。;Garcia,N.,《通过分类器组合和帧间前景预测使用RGB-D传感器进行高级背景建模》,马赫。视觉。申请。(2014)
[325] 费尔南德斯·桑切斯,E。;迪亚兹,J。;Ros,E.,《使用有源传感器基于颜色和深度的背景减法》,《传感器》,13,8895-8915(2013)
[326] 费尔南德斯·桑切斯,E。;迪亚兹,J。;Ros,E.,基于颜色和深度线索的背景减法模型,马赫。视觉。申请。(2014)
[327] 卡瓦西迪斯一世。;南部Palazzo。;Spampinato,C.,一个创新的基于web的视频注释协作平台,多媒体工具应用。,1-20 (2013)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。