Mô hình tách nền sử dụng từ điển có một khác biệt so với mô hình hỗ tạp các phân bố Gauss thích nghi MOG [2] và mô hình không tham số sử dụng ƣớc lƣợng mật độ xác suất hàm lõi [1] ở một số điểm nhƣ sau:
Khác với MOG, chúng ta không giả thiết rằng nền là các quá trình Gauss đa-mốt. Nếu giả thiết này đúng, nếu có thể, thì MOG sẽ nhận các tham số chính xác. Nhƣng điều này không phải lúc nào cũng đúng vì phân bố nền có thể rất khác nhau.
Cũng khác so với mô hình không tham số, chúng ta không lƣu trữ các mẫu gốc trong suốt quá trình làm việc với mô hình nền. Chính do số lƣợng mẫu lớn nên chúng ta không thể lƣu đƣợc toàn bộ trong một thời gian dài. Trong khi đó thì mô hình sử dụng từ điển lại khá đơn giản, nhỏ gọn có thể sử dụng trong thời gian dài với không gian nhớ giới hạn.
Mô hình sử dụng từ điển làm việc tốt với tình huống đa-nền và cũng không giới hạn về số nền. Nó có thể mô hình các cây có chuyển động trong một thời gian dài hơn so với các mẫu gốc của mô hình không tham số.
Việc lọc giá trị cho phép xuất hiện các vật thể chuyển động ngay trong quá trình đào tạo.
Mô hình chúng ta đang đề cập không cần ƣớc lƣợng xác suất, là phép toán yêu cầu tính toán khác phức tạp, mà thay vào đó là việc tính khoảng cách với các vùng giá trị trung bình. Chính điều này giúp cho thuật toán thực hiện nhanh hơn.
MOG sử dụng các biến RGB gốc và không căn cứ vào độ sáng và màu. MOG không mô hình hóa phƣơng sai, thƣờng lớn và là nguyên nhân gây ra sai khác về độ sáng. Điều này chỉ có ích cho các trƣờng hợp có độ sáng xác định. Mô hình không tham số thì sử dụng các màu đƣợc chuẩn hóa và độ sáng – hai giá trị này chƣa chắc đã liên quan tới nhau. Để đối phó với vấn đề độ sáng thay đổi mô hình này sẽ tính độ sáng đồng thời với độ sai khác màu dựa trên giá trị RGB.
Đặc điểm Mô hình MOG Mô hình không tham số Mô hình từ điển
Biểu diễn mô hình Hồn hợp các phân bố Gauss Mật độ hàm lõi Từ điển Ƣớc lƣợng mô hình Ƣớc lƣợng mật độ xác suất Ƣớc lƣợng mật độ xác suất Khoảng cách Tham số mô hình Có Không Không
Không gian màu
Chỉ làm việc với RGB
Màu chuẩn hóa ( độ sáng r, g, b ) RBG hoặc mức xám Dung lƣợng bộ nhớ
Tùy thuộc vào K là số phân bố Gauss đƣợc sử dụng
Mô hình theo thời gian ngắn (N mẫu)
Mô hình theo thời gian dài (N mẫu) Bộ nhớ giới hạn Bộ nhớ sử dụng Nhỏ Lớn Gọn Tốc độ xử lý Chậm Chậm Nhanh Duy trì mô hình Cập nhật liên tục K phân bố Gauss
Mô hình theo thời gian ngắn và dài
Mô hình phân lớp và phát hiện sử dụng mô hình đệm