A Comparative Study of Background Estimation Algorithms

Abstract

ABSTRACT: Also the work entailed an effective shadow removal technique which is used to avoid detection of shadow pixels as part of the foreground mask. The results show some critical tradeoffs between precision and speed of the process. For instance, although approximated median filtering seems to be a suitable approach due to its simplicity in computation, it fails to detect foreground objects accurately when the background scene contains movements, in addition it is slow in the case of adapting to frame changes which makes this algorithm impractical for many outdoor applications. The results of progressive method indicate that the algorithm is able to handle the adaptation or deal more effectively than approximated median filtering with even better accuracy for foreground extracting in expense of slightly losing the performance speed. However, the background movement problem (shaking leaves, flag in the wind, flickering, etc) still stands. Mixture of Gaussians based results was promising in both adaptation and precision however the method’s sensitivity to transient stops and its heavier computational complexity were its main drawbacks. Finally although the group based histogram was still too sensitive to fluctuation of light it led to acceptable results introducing itself as a reliable background-foreground segmentation method for its ability to deal with transient stops. Keywords: Temporal Median Filtering,Background estimation,Mixture of Gaussians background estimation, Median filtering, Histogram, Precision and recall, Shadow removal. ……………………………………………………………………………………………………………………………………………………………………………………………………………………

ÖZ: Bir video dizinini oluşturan çerçevelerdeki hareketli nesnelerin bölütlenmesi birçok video tabanlı sistem için temel bir adım teşkil eder. Bu uygulamalardan bazıları aşagıdaki gibi sıralanabilir: kestirim ve tanıma, bina içi veya dışı ortamlarda nesne sınıflandırması, trafik akış hesaplaması, şerit doluluk analizi, kaza algılama vb. İzlenen alandaki nesnelerin sağlıklı takibi için güvenilir ve etkili arkaplan tahmin ve ayrıştırma üniteleri gerekmektedir. Bütün yönleri ile iyi bir algoritma geliştirmek hemen hemen imkansızı istemek gibidir. İlk olarak seçilen yöntemler aydınlatmada meydana gelebilecek değişikliklere karşı dayanıklı olmalıdır. Daha sonra algoritmalar sabitliği devamlı değişen nesneleri (sallanan ot ve yapraklar, yağmur ve kar gibi) arka planın bir parçası olarak almamalıdırlar. Ayrıca algoritmalar güneş ışığının bloke edilmesinden oluşan hareketli gölgeleri de arka plandan ayırabilmelidirler. Son olarak şehir içi trafiğinde sıkça karşılaşılan durma ve hareket etmelere karşı arka planı hızlı bir şekilde adapte edebilmelidirler. Bu yüzden yüksek doğruluk ve hesaplama karmaşıklığının gerçek zamanlı çalışacak kadar az olması önemli noktaları teşkil etmektedir. Bu tezde dört ayrı arkaplan çıkarma algoritmasına (background subtraction algorithms) odaklanılmıştır. Literatürde en çok referans almış ve iyi benzetim sonuçları veren yöntemler seçilmiş ve gerçekleştirilmiştir. Bu beş yöntem sırası ile yaklaşık ortanca süzgeçleme yöntemi, Gauss fonksiyonları karışım modeli, aşamalı arka plan kestirim yöntemi ve histogram/grup-tabanlı histogram yöntemleridir. Bu teknikler farklı ortamlar için değişik test video dizinleri kullanarak değerlendirilmiş ve ayrıca sentetik video dizinleri kullanılarak kıyaslamalı olarak karşılaştırılmıştır. Ayrıca, etkili bir gölge kaldırma tekniği tanıtılıp tahmini önplanlara uygulanmıştır. Sonuçlar işlemin kesinliği ve hızı arasında bazı kritik ödünleşimler göstermiştir. Örneğin approximated median filtering hesaplamadaki kolaylığı sebebiyle uygun bir yaklaşım olarak görülse de geri plandaki mekan hareket içerdiği taktirde önplandaki nesneleri doğru olarak tespit edememektedir. Ayrıca bu yöntem, çerçeve değişimlerine uyumu açısından da yavaştır ki bu durum sozkonusu algoritmayı birçok dış uygulama için kullanışsız kılmaktadır. Aşamalı arkaplan kestirim algoritmasıyla elde edilen sonuçlar göstermektedir ki bu algoritmanın adapte olma becerisi yaklaşık ortanca süzgeçli yönteme göre daha etkilidir. Çok az hız kaybına rağmen önplan çıkartması daha kesin bir biçimde yapılabilmektedir. Buna rağmen geri plan hareket problemi hala (sallanan yapraklar, dalgalanan bayrak, titreme, vb) devam etmektedir. Gauss fonksiyonları karışımlı arkaplan kestirim yöntemi keskinlik ve adaptasyonda iyi olmasına rağmen geçici duraklama ve kalkışlara hassas ve işlem zamanı açısından daha uzun bir zaman aralığı gerektiren bir yöntemdir. Son olarak, grup temelli histogram yöntemi ışık dalgalanmalarına karşı çok hassas olmasına karşın duraklama ve kalkmalara karşı başarılı olması nedeni ile güvenilir ve başarılı bir önplan-arkaplan bölütleme yöntemi olarak kabul edilebilir. Anahtar kelimeler: zamansal ortanca süzgeçleme, aşamalı arkaplan kestirimi, Gauss fonksiyonları karışımlı arkaplan kestirimi, keskinlik ve hatırlama ölçekleri, gölge belirleme ve kaldırma.