使用混合高斯模型进行背景减除的一种通用的方法【】。该方法通过使用一个在线EM算法不断迭代获得混合高斯背景模型,并通过一个取值在0到l之间的全局变量OL来控制匹配速度。但是这种方法的缺点是当一个高斯核匹配一个新类时,它的收敛速度慢,效率低。如果该方法选择一个较大的Q值,虽然这可以加快收敛的速度,但是背景模型将变的不稳定,且受噪声影响大。Friedman和Russell在他们的交通监测系统中,通过不断更新充分统计量来获得混合高斯背景模型【、一。这种方法能够学习之前的知识,具有较好的稳定性。Bowden等人提出了一种将算法分为前期和后期两个阶段的方法【~。第一阶段,在初始阶段,该方法使用充分统计量来更新背景模型;第二阶段,当有充分的样本观测到之后,该方法使用迭代的过滤方法来学习背景模型。但是这种方法在后期不能有效地检测到新的运动物体,而且在第二阶段中可能会导致发散。Mckenna等人推导出另外一种方法来得到背景模型【'l,但是他们的方法需要较大的内存空间,不适合保存并学习多帧的视频。虽然人们提出了很多背景减除相关的模型以及算法,但是这并不能满足当前日益变化的需要。因此,人们需要不断的学习和创新,提出新的背景减除算法并能够以高效的方法实现它。1.2.2?FPGA技术当前,基于FPGA技术的嵌入式系统得到了蓬勃发展。从大的电子设备到小的电子器件,嵌入式系统无处不在.随着FPGA的生产工艺的提高和编程环境的改进,其应用领域以及开发人员不断增加.在过去几年中,视频的分辨率提高非常显著,每帧的视频图像数据变得非常庞大,这对视频的实时处理提出了挑战.实现视频处理的系统需要非常灵活的体系结构以及高效、低功耗的平台.FPGA满足上述的要求,是其实现平台的最好选择之一.目前,FPGA和DSP是最常用的可编程处理系统核心芯片【1.DSP适合于串行算法,实现简单,开发难度低,但是功能简单.FPGA的3
全文预览
