本文主要是介绍背景减法面临的问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、思想
背景减法的基本思想是，系统事先建立并维护一个背景模型，在检测过程中，将采集到的当前帧图像与背景模型相减，在差分图像中提取运动目标。背景减法实现目标检测主要包括四个环节： 背景建模，背景更新，目标检测，后期处理。其中，背景建模和背景更新是背景减法中的核心问题。背景模型建立的好坏直接影响到运动目标检测的效果。
二、面临的问题
目前，关于背景减法的文献有很多， 但是如何建立一个具有自适应性的背景模型，是背景减法面临的主要问题。这是因为，由于监控环境的不同，真实的背景可能随时会发生变化，背景模型如果不能及时更新，则会导致运动目标检测的失败。一般说来，背景的变化可以分为以下三类：
(1) 背景扰动
全局背景运动变化。如室外场景中，由于风的影响导致摄像机发生抖动。
局部背景运动变化。如室外场景中树枝的轻微重复晃动。
(2) 光照变化
光照的缓慢变化。如室外场景中天气的缓慢变化。
光照的突然变化。如室内场景中照明灯的亮暗变化或室外场景中天气突变。
(3) 目标引起的变化
行人或车辆进入监控场景后，因为长时间停留而成为背景的一部分。
行人有随身物品遗留在监控场景中。
行人或车辆在监控场景中长时间停留后，又发生运动离开该场景。
这篇关于背景减法面临的问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
