Habría, pues, que calcular estos parametros a partir de las muestras del periodo de entrenamiento. Tendriamos entonces una pdf estimada para cada uno de los pixeles del frame, que representa una Gaussiana asociada a cada uno.
Para decidir si un pixel corresponde o no a el modelo estimado, para cada frame en un tiempo t, el valor del pixel X se puede clasificar como pixel de primer plano si:
El método utilizado para realizar la actualización de los valores de la Gaussiana, seguiría las siguientes ecuaciones, que habría que aplicar por cada frame de entrada de la secuencia:
El nuevo parámetro que aparece en estas ecuaciones, se denomina parámetro de absorción, y determina la velocidad de actualización del modelo con cada nuevo frame. Esto permitiría compensar los cambios de luz o incluso el movimiento de objetos de fondo. Por ejemplo, si se modificará un libro de lugar, esto supondría un cambio en la textura del background, tanto en el lugar donde se encontrara el libro, como en su nuevo emplazamiento. Este cambio sería compensado recursivamente en pocos segundos. El valor de este parametro se escogera para conseguir un equilibrio entre rápida actualización y estabilidad.
Cabe la posibilidad, para mejorar el método, de solo actualizar el modelo, en caso de que se haya decidido que el pixel pertenece al background. Este apunte fue sugerido en un estudio publicado por D.Koller.
Este método es destacable por sus bajos requerimientos de memoria, y por su velocidad de procesado, pero sería aplicable unicamente a fondos casi estáticos, en los que el ruido introducido fuera el perteneciente al modelo de la cámara.
Esté método fue propuesto en un estudio realizado por C. Wren sobre un sistema de tracking de personas, denominado Pfinder.
No hay comentarios:
Publicar un comentario