如何加速EigenBackground计算？

Question

我正在尝试使用移动相机视频自适应背景检测优化此算法：

http://www.springerlink.com/content/4j2m3885r3133202/fulltext.pdf

此算法加快了背景模型的升级（SVD对于实时应用来说太重了）。我可以管理3个属性来加速算法。属性是：

1. N 第一次SVD计算的帧数
2. M 用于描述背景模型的特征向量的数量（M <= N）
3. P 等待批量更新的帧数

  

你知道我怎么能找到处理之间的关系   时间和这3个属性？

     

您知道如何找出最佳值吗？

此算法的重要部分是QR分解，以在批量更新期间对传入帧进行正交化。这个功能需要很多时间。

  

你知道更快的算法来计算正交归一化吗？

这里我正在使用m_cT（论文中矩阵 U'= [U | E] ）的函数QR：

  for (int i = m_iNFrame; i < m_iNFrame+m_iNUpdate; i++)
    {
    m_cT.col(i).copyTo(m_cQ.col(i));
    for(int j = 0; j < i; j++)
    {
      m_cR.at<double>(j,i) = m_cQ.col(j).dot(m_cT.col(i));
      m_cQ.col(i) = m_cQ.col(i) -  m_cR.at<double>(j,i)*m_cQ.col(j);
    }
    m_cR.at<double>(i,i)=norm(m_cQ.col(i));
    m_cQ.col(i)=m_cQ.col(i).mul(1.0/m_cR.at<double>(i,i));
  }

我在测试过程中注意到，相机运动过程中帧中的高频细节会产生大量误报。

  

您认为在SVD计算之前应用平滑滤波器可以获得更好的BG / FG检测吗？

感谢您的帮助。