Caratterizzazione sperimentale di un sistema di videosorveglianza in ambienti reali

Punto di forza di questa classe di algoritmi è che la qualità dell’output non dipende più dalla velocità di movimento dell’oggetto e, in particolare, l’individuazione è garantita anche nel caso in cui questo diventi stazionario.
Rispetto agli algoritmi basati su differenze fra frame, questa classe non presenta più il problema del foreground aperture: oggetti di colore uniforme vengono individuati correttamente. Più in generale si ha sempre la possibilità di individuare la sagoma di un oggetto di interesse priva di lacune, eccetto nel caso che questo non abbia caratteristiche tali da essere confuso con il background (caratteristiche cromatiche pressoché identiche allo sfondo). In letteratura questo fenomeno è noto con il nome di mimetizzazione.
La presenza di un background di riferimento fa sì che si venga a perdere una delle caratteristiche principali che caratterizzano gli algoritmi basati sulle differenze: l’indipendenza da variazioni globali della scena ripresa.
Ad esempio si perde robustezza nei confronti delle variazioni di illuminazione. Infatti, il background “fotografa” la scena in un certo momento: se avvengono cambiamenti che modificano le condizioni iniziali, allora i dati di riferimento relativi alla scena “fotografata” non sono più validi. Quindi nasce la necessità di mantenere corretti i dati contenuti nel background di riferimento nel corso dell’evoluzione della scena ripresa mediante opportune tecniche di aggiornamento dello sfondo.
Dalle considerazione appena fatte deriva un aumento della complessità degli algoritmi in quanto si ha la necessità di mantenere un background aggiornato rispetto alle variazioni della scena. Da un’analisi degli algoritmi presenti in letteratura ci si accorge che in questa classe tutti sono costituiti da due moduli distinti, che lavorano l’uno a partire dai risultati dell’altro.