Was ist die modernste Methode zur Behandlung von Beleuchtungsproblemen bei der Hintergrundsubtraktion?

Ich habe mich bemüht, einen gut zitierten Ansatz dafür zu finden. Im Wesentlichen experimentiere ich mit verschiedenen Hintergrundsubtraktionsalgorithmen, aber keine scheint gut zu funktionieren, wenn sich die Beleuchtung erheblich ändert (z. B. wenn ein Fenster in der Szene zu bestimmten Zeiten eine signifikante Blendung aufweist).

Die Frage ist einfach (relativ): Was sind die neuesten Methoden zur Hintergrundsubtraktion mit plötzlichen Beleuchtungsänderungen? Mein Szenario sind Überwachungskameras.

Der Standardansatz besteht darin, eine Mischung von Gaußschen zu verwenden, um die verschiedenen Gesetze zu modellieren, die die Intensität eines Pixels bestimmen. Bei diesem Ansatz können einem Pixel mehrere Normalgesetze (mit unterschiedlichem Mittelwert und unterschiedlicher Varianz) zugewiesen werden, von denen jedes seinen Wert unter verschiedenen Bedingungen modelliert. Natürlich muss immer nur 1 Gaußscher aktiv sein.

Während die maximale Anzahl von Gaußschen in der Mischung ein (fester) Parameter ist, werden die Parameter jedes Gaußschen online gelernt. Eine Beispielimplementierung finden Sie in der OpenCV- Bibliothek.

Vor einigen Jahren schlug jemand (sorry, ich kann den Namen nicht mehr finden) einen interessanten alternativen Ansatz vor: Verwenden von Variationen der Bildgradientenorientierung anstelle von Variationen der Lichtintensitäten. Die Gradientenorientierung hat den Vorteil, dass sie kontrastinvariant ist und somit robuster gegenüber Beleuchtungsänderungen ist. Intuitiv funktioniert es, weil die Verlaufsorientierung an die Formen im Bild gebunden ist, nicht an deren Farbe oder Leuchtkraft.

Dies ist in keinem Fall ein "gut zitierter" Ansatz oder Stand der Technik für die Hintergrundsubtraktion. In Ihrem zweiten Satz heißt es jedoch, dass Sie mit verschiedenen Ansätzen experimentiert haben. Ich denke, was ich zu sagen habe, wird immer noch einen gewissen Wert haben.

Allgemein zum Ansatz:

Was ich vorschlage, ist eine kontrastinvariante Bilddarstellung , genannt Tree of Shapes oder Level Line Tree (es gab mehr Namen, leider haben sie sich immer noch nicht auf einen allgemein akzeptierten Namen festgelegt).

$I_x$$I_y$$I_y$$I_x$

Mögliche Verwendung mit Überwachungskameras:

Wenn es sich bei Ihrer Anwendung um eine Überwachungskamera handelt, können Sie unter guten Bedingungen (gleichmäßige Beleuchtung, geringe Okklusion) einige Bilder mit Grundwahrheit erhalten. Dann könnten Sie aus Ihrem Grundwahrheitsbild einen Baum der Formen erstellen und ihn dann verwenden, um neue Objekte zu erkennen , die in aktuellen Bildern vorhanden sind . Die Bäume sollten ähnlich sein, da sie nicht auf globalen Graustufen von Pixeln basieren, sondern auf "lokalem Kontrast": Die Hauptfrage, die den Baumbildungsprozess antreibt, ist, dass sie heller / dunkler als die Umgebung sind und nicht wie hell / dunkel ist es .

Literatur:

Relevant für Ihre spezielle Anwendung wären die letzten Seiten dieses Dokuments:

• P. Monasse, F. Guichard: Schnelle Berechnung der kontrastinvarianten Bilddarstellung (2000)

  (relevantes Papier mit Anwendungsbeispiel)

Sie können einige relevante Referenzen in meiner Antwort hier finden , aber es scheint mir jetzt, dass die kurze Übersicht, die ich für diese Antwort gemacht habe, bei weitem nicht vollständig ist.

Die Autoren dieses bestimmten Papiers veröffentlichten auch eine Broschüre in LNM-Reihen über diesen bestimmten Baum:

• V. Caselles, P. Monasse: Geometrische Beschreibung von Bildern als topografische Karten (2010)

  (Broschüre mit ausführlichen Details)

Und schließlich waren diese Ansätze bis vor wenigen Tagen eher theoretisch als praktisch, da die Bauzeit im ungünstigsten Fall in der Anzahl der Bildpixel quadratisch war. Erst gestern wurde ein quasi-linearer Algorithmus vorgestellt, der den Baum der Formen endlich in verschiedenen Anwendungen einsetzbar macht:

• T. Géraud, E. Carlinet, S. Crozet, L. Najman: Ein quasi-linearer Algorithmus zur Berechnung des Formbaums von nD-Bildern

  (schnelle Implementierung)