26、计算机视觉与物联网中的背景减除技术

计算机视觉与物联网中的背景减除技术

1. 实验测试硬件配置

在相关研究工作的实验测试中，采用了计算机视觉和物联网技术。使用的GPU包括高效的NVIDIA RTX 2070（图灵架构）、嵌入式NVIDIA Jetson TX2（麦克斯韦架构）以及移动NVIDIA GeForce GTX（帕斯卡架构），这些GPU与RGB - D传感器RealSense D435和D415配合使用。其实时处理速度和前景检测精度与相关研究成果类似。不过需要注意的是，对于高分辨率视频，像MOG和码本模型等背景减除算法无法实现实时分割，这表明GPU线程仅适用于低复杂度算法的并行处理，而不适用于高清视频或高复杂度操作的计算。

2. 嵌入式实现

嵌入式计算和超大规模集成电路（VLSI）技术推动了智能相机在市场上的发展。视频相机可视为独立单元，将传感、通信和处理元素集成到一个独立平台，这促使大量通过无线通信的视频相机得以广泛分布。然而，由于这些设备采用电池供电、无线连接且为嵌入式设备，也带来了一系列挑战，如电力供应、有限带宽和内存资源等问题。因此，在嵌入式系统中实现背景减除算法时，简单性和高效性等特性备受青睐，同时在设计算法时还需考虑其在嵌入式系统中的可移植性。

2.1 多种背景减除算法

• 自适应多模态背景模型（2007年，Valentine等人） ：该算法为图像中的每个像素计算一定数量的模式，基于每个像素的时间信息来区分前景和背景，并在嵌入式系统中进行了实现，优化了存储资源和执行时间。
• 多模态均值（MM）模型（2007年，Apewokin等人） ：实验表