# FSVEaDS

**Repository Path**: YOJOCO/FSVEaDS

## Basic Information

- **Project Name**: FSVEaDS
- **Description**: 背景减除算法研究
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-03-12
- **Last Updated**: 2025-06-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于背景减除的视频编解码优化

## 项目简介

本项目研究了一种基于背景减除算法的高效视频编解码方案，旨在优化固定场景消费级监控的视频存储与传输。通过将静态背景与动态前景分离，本系统能够减少存储和带宽占用，同时保持高质量的视频回放。

## 功能模块
### 1. 预处理
- **视频帧提取** (`extract_frames.py`)：从视频中分离帧图像。
- **静态背景计算** (`compute_background.py`)：使用前 150 帧计算背景图。
- **Ground Truth 生成** (`generate_ground_truth.py`)：解析 XML 数据集，生成真实掩码。

### 2. 前景检测
- **单高斯背景建模** (`gaussian.py`)
- **混合高斯背景建模 (MOG2)** (`mog2.py`)
- **核密度估计 (KDE)** (`kde.py`)
- **深度学习 (DeepLabV3)** (`deeplabv3.py`)

### 3. 评估
- **前景检测评估** (`evaluate_foreground_detection.py`)：计算准确率 (Precision)、召回率 (Recall)、F1-score。

### 4. 后处理
- **前景与背景合成** (`merge_foreground_background.py`)
- **视频生成与压缩** (`generate_video.py`)

## 文件结构
```
FSVEaDS/
│── data/                    # 存放所有数据
│   ├── input_video/         # 原始视频
│   ├── extracted_frames/    # 提取的原始视频帧
│   ├── background/          # 计算出的静态背景图
│   ├── annotations/         # XML 标注文件
│   ├── ground_truth/        # 真实前景掩码
│   ├── processed_frames/    # 生成的前景二值掩码
│   ├── output_frames/       # 合成的前景+背景帧
│   ├── output_video/        # 生成的视频
│
│── scripts/                 # 代码目录
│   ├── preprocessing/       # 预处理
│   ├── foreground_detection/ # 前景检测
│   ├── evaluation/          # 评估
│   ├── postprocessing/      # 后处理
│
│── results/                 # 存放实验结果
│── requirements.txt         # 依赖库列表
│── README.md                # 项目说明文件
```

## 运行方式

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 运行各模块

#### **(1) 预处理**

```bash
python scripts/preprocessing/extract_frames.py
python scripts/preprocessing/compute_background.py
python scripts/preprocessing/generate_ground_truth.py
```

#### **(2) 前景检测**

```bash
python scripts/foreground_detection/gaussian.py
python scripts/foreground_detection/mog2.py
python scripts/foreground_detection/kde.py
python scripts/foreground_detection/deeplabv3.py
```

#### **(3) 评估**

```bash
python scripts/evaluation/evaluate_foreground_detection.py
```

#### **(4) 结果后处理**

```bash
python scripts/postprocessing/merge_foreground_background.py
python scripts/postprocessing/generate_video.py
```

## 评估结果（DeepLabV3）

- **准确率 (Precision)：** 0.9049
- **召回率 (Recall)：** 0.5766
- **F1 分数 (F1-score)：** 0.6946

## 贡献

如果你对本项目有优化建议，欢迎提交 PR 或 Issue！