Hintergrundsubtraktion

Hintergrundsubtraktion ist ein Verfahren der Bildverarbeitung, das bewegte Objekte in VideoSequenzen erkennen soll. Ziel ist es, den Hintergrund zu modellieren und daraus ein Vordergrund-Signal abzuleiten, das Pixel beschreibt, die sich im Laufe der Zeit ändern. Typischerweise wird für jeden Pixel ein Hintergrundmodell aufgebaut, das mit jedem neuen Frame aktualisiert wird, um Beleuchtungsänderungen und langsame Hintergrundverschiebungen zu berücksichtigen.

Zur Bestimmung des Vordergrunds wird der Unterschied zwischen dem aktuellen Frame I_t und dem Hintergrundmodell B_t berechnet. Ein Schwellenwert trennt Veränderungen, aus denen eine Vordergrund-Maske F_t entsteht. Neben der Differenzierung werden oft Modelle verwendet, die mehrere Hintergrundzustände berücksichtigen und sich adaptiv anpassen.

Zu den verbreiteten Ansätzen gehören einfache Frame-Differenz, zeitlich gemittelte Modelle und das adaptive Gaussian Mixture Model (MoG) von Stauffer und Grimson, das Hintergrundvarianten durch mehrere Gauss-Komponenten beschreibt. In jüngerer Zeit kommen auch tiefe Lernmethoden zum Einsatz, die Vordergrund- und Hintergrundmerkmale gemeinsam modellieren oder lernbasierte Hintergrundmodelle mit klassischen Verfahren kombinieren.

Herausforderungen sind dynamische Hintergründe (z. B. Blätter), Beleuchtungswechsel, Schatten, Kameraverwacklungen und neusynchronisierte Sensoren. Typische Gegenmaßnahmen umfassen Schattenreduzierung, Nachbearbeitung der Maske (Morphologie), angemessenes Lernraten- und Schwellenwert-Management sowie Kalibrierung.

Anwendungen finden sich vor allem in Videoüberwachung, Verkehrsmonitoring, Bewegungsverfolgung und Verhaltensanalyse. Die Bewertung erfolgt oft auf Standarddatensätzen mit Metriken wie Präzision, Recall und F1-Score. Der Trend bewegt sich in Richtung robusterer, lernbasierter Ansätze, die Hintergrundmodellierung mit semantischer Segmentierung kombinieren.

---