Image processing 背景减法中的中值方差

我在执行该文件时面临一些问题

问题1：

在第4.1节中，它讨论了“…从第一个分量计算整个图像的中值方差…”

我不明白作者的真正意思

根据Stauffer&Grimson的论文《用于实时跟踪的自适应背景混合模型》（1999），对于每个背景模型，一个方差被初始化（比如值36），然后每个像素的方差被更新。该帧所有像素的第一个模型方差的中位数应该取吗

                  OR

我们根据属于第一个模型的像素的强度值的历史，计算每个像素的方差，然后取所有这些方差的mdian

问题2：

我在理解第4.1节中的等式（12）时遇到困难

a） “i”是否从

1

到

H+1

？如果是，第（H+1）个模型如何拟合方程

i） 就在等式（13）之后，定义了

p（A|u 1 | B|H+1），M）

。难道不应该用ρ（H+1）=min（1，N_tot/N_max）来代替max，而max可以使P（A_1 | B_（H+1），M）（-ve）

ii）对于第（H+1）个模型，对于方程（12），我们应该有

p（A|u 1 | B|u（H+1），M）*p（B|u（H+1）| N）到p（A|u 1 | Z，M）

b） 当H=1时，

p（A1 | Z，M）

是否变为1

我的实现是

请检查我在问题1第一个选项中提到的MATLAB文件中的试用版，“是否应在该帧的所有像素上取第一个模型的方差中值？”

---

是的，它假设背景像素的方差低于前景。因此，所有方差的中位数将为背景提供可接受的方差。

这里对其进行了很好的细分：

它也在opencv的书中

---

opencv2中的代码如下：

我的理解是，您的第一个选项是正确的。