我是图像处理新手，正在研究一个项目，用于多个对象检测(帧中的任何对象)和跟踪。我读了一些检测算法，并想到使用卡尔曼滤波器实现高斯混合模型进行检测和跟踪。
1) GMM 与其他背景扣除方法相比有多好？
2) 由于 GMM 使用 k-means 将前景与背景分开。我一直在试图找出K个高斯分布的最佳数量？有什么方法/算法可以找到 K？
3) GMM 仅检测移动物体。如何检测静态物体？
我想在 ImageJ 中使用 Java 来实现这个项目。
有什么建议吗？ 请帮忙!!
最佳答案
我不是 Java 专家，但我可以告诉你该怎么做: 第一个用于执行背景扣除的 mog 是在 1999 年。尽管有许多算法尝试优化 mog，但仍然存在两个基本问题:1- 对强度值“光变化”变化的敏感性非常高，2- 它适应速度较慢，需要在检测缓慢移动的物体和避免重影之间进行权衡(孔洞是由移动的物体造成的) 如果您刚刚开始解决此类问题，我建议使用:vib 或其中任何扩展:vib+、vib++、lobster、subsense。 这些方法不适合任何基于概率的模型，这就是它们高效的原因。
对于静态对象:这是完全不同的问题。您可以使用提案生成算法(边缘框)来提出提案。这些建议可以通过机器学习进行分类。 您要知道，这些问题还在研究中，并没有最优的解决方案
关于image-processing - 多物体检测和跟踪，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36375926/