Ο εντοπισμός κινούμενων αντικειμένων σε μία ακολουθία εικόνων είναι μία θεμελιώδης διαδικασία σε πολλές εφαρμογές υπολογιστικής όρασης. Μία συνήθης προσέγγιση για την πραγματοποίηση της διαδικασίας αυτής είναι η αφαίρεση υποβάθρου, η οποία διαχωρίζει σε μία ακολουθία εικόνων τα κινούμενα αντικείμενα από την στατική πληροφορία, που καλείται υπόβαθρο. Οι προκλήσεις που πρέπει να αντιμετωπιστούν είναι πολλές. Για παράδειγμα, μία καλή τεχνική θα πρέπει να είναι σθεναρή σε αλλαγές του φωτισμού, να αποφεύγει τον εντοπισμό μη-στατικών αντικειμένων υποβάθρου, όπως κινούμενα φύλλα, βροχή, χιόνι κ.λ.π. Πολλές είναι οι τεχνικές που έχουν προταθεί και έχουν αναπτυχθεί για την υλοποίηση της διαδικασίας της αφαίρεσης υποβάθρου. Η εγκυρότητα των αποτελεσμάτων, η απόδοση και η πολυπλοκότητα της κάθε τεχνικής συνδέονται άμεσα με την αρχική θεώρηση, τις παραδοχές και τις υποθέσεις που έχει κάνει εκάστοτε η τεχνική. Βέβαια, σε πολλές περιπτώσεις, τα παραπάνω χαρακτηριστικά εξαρτώνται και από άλλους παράγοντες, όπως τους διαθέσιμους πόρους, τα δεδομένα εισόδου κ.λ.π. Για τον λόγο αυτό, δεν μπορεί με βεβαιότητα να χαρακτηριστεί κάποια τεχνική ως καθολικά βέλτιστη. Επομένως, κάθε φορά καλούμαστε να επιλέξουμε με βάση κάποια κριτήρια μία από τις τεχνικές για την αφαίρεση του υποβάθρου. Σκοπός της παρούσας διπλωματικής εργασίας είναι η αξιολόγηση και η σύγκριση σε κοινή βάση ορισμένων τεχνικών αφαίρεσης υποβάθρου που ανήκουν σε διαφορετικές οικογένειες.
(EL)
Locating moving objects in a sequence of images is a fundamental process in many computer vision applications. A common approach to accomplishing this process is background subtraction, which separates in a sequence of images the moving objects from the static information, called background. The challenges that need to be addressed are many. For example, a good technique should be robust against illumination changes, avoid locating non-static background objects such as moving leaves, rain, snow, etc. Many techniques have been proposed and developed to implement the background subtraction process. The validity of the results, the performance and the complexity of each technique are directly related to the initial assumptions made by the technique. Of course, in many cases, the above features also depend on other factors, such as available resources, input data, etc. For this reason, it can not be certain that a technique is universally optimal. Therefore, we are called to choose one of the background subtraction techniques, based on some criteria. The purpose of this thesis is to evaluate and compare different background subtraction techniques on a common basis.
(EL)
University of Patras
