Техніка "матричної факторизації" НЕ допоможе вам виконати свою роботу! Доповідь, яку посилається на @ mirror2image, стосується віднімання фону, але НЕ базується на "матричній факторизації".
Використання запущеного відео для виявлення рухомих предметів (будь то людина чи транспортні засоби) - активна область дослідження.
Як основний принцип, система оцінює типовий статичний фон шляхом вибірки на декількох знімках і забирає різницю енергії між вхідним зображенням на задній план. Якщо енергія значна, піксель класифікується як передній план. Такий набір переднього плану повідомляє, чи є запис об'єкта в системі.
Найкращим посиланням на ваш дослідницький документ (а також відносно простішим, якщо ви хочете реально реалізувати) було б - Система W4 знайдіть його тут, і див. Тут документ Picardi як більш детальне опитування щодо інших методів у системі.
Існує багато проблем, які стосуються проблеми:
Наявність шуму створює проблеми великої неоднозначності. Підхід тут полягає у застосуванні ефективної тимчасової фільтрації та врахуванні дисперсії шуму, щоб забезпечити її захист від порогу.
Наявність тіні створює неоднозначність: ні бути переднім планом, ні. Існують документи, які моделюють розрізнення кольору та інтенсивності, щоб відрізнити тінь від реального переднього плану.
Фон може бути складним, як розмахуючи деревами або морем тощо.
Фон може мати повільну або раптову зміну освітлення, коли раніше «вивчений» фон потім адаптується до нового.
Один з найбільш згадуваних знакових паперів, який називається Алгоритм настінних квітів, показує найкращий спосіб поєднання різних подібних сценаріїв для отримання надійного виявлення рухомих об'єктів.