Bakgrundsubtraktion

Bakgrundsubtraktion är en bildbehandlingsteknik för att särskilja rörliga eller ändrade föremål från bakgrunden i videoströmmar. Den används inom övervakning, trafikövervakning, robotik och interaktiva system för att hitta och följa objekt som kommer in i scenen. Målet är att bygga en bakgrundsmodell och sedan jämföra varje ny bildruta med den modellen för att generera en förgrundsmask som framhäver förändringar i scenen.

En typisk arbetsgång består av tre steg: (1) initiering av bakgrundsmodellen med tidigare bildrutor, (2) kontinuerlig uppdatering av modellen för att hantera små scenförändringar, och (3) avbildning av skillnaden mellan aktuell bildruta och bakgrundsmodellen till en binär förgrundsmask, ofta efter tröskling och efterföljande morfologisk postbehandling som erosion och dilation.

Vanliga metoder inkluderar adaptiva modeller såsom Gaussian Mixture Model (GMM) och dess varianter (till exempel MOG2), icke-parametriska metoder som kodboksbaserade modeller och regionbaserade tekniker som ViBe. Dessa metoder varierar i hur bakgrunden representeras, hur de hanterar dynamisk bakgrund, skuggor, snabba ljusförändringar och kameraskakningar, samt i kraven på beräkningsresurser.

Användningar och utmaningar: Bakgrundsubtraktion är central inom övervakning och trafiksäkerhet samt i rörelsebaserad interaktion. Utmaningar inkluderar förändringar i belysning, små ögonblicksvisa scenförändringar, skuggor, blåst i växlande vegetation och kamerapari.

Mätmetoder: Prestanda utvärderas ofta med precision, recall/F1-score och IoU, samt med latens och beräkningskostnad i realtidsapplikationer.