• DMD
• Dynamic Mode Decomposition

Negli ultimi anni il rilevamento di bersagli in movimento è diventato un argomento di grande interesse per la comunità scientifica, soprattutto in contesti marittimi, dove la sicurezza e il controllo del traffico navale sono fattori cruciali. Per isolare gli oggetti in movimento è necessario separare il foreground dal background. Attualmente sono diversi gli algoritmi utilizzati per questo scopo: in questa tesi se ne testa uno abbastanza recente, la DMD (Dynamic Mode Decomposition) e la si confronta con quelli allo stato dell'arte, come la FD (Frame Difference) o il GMM (Gaussian Mixture Model). Tutti questi algoritmi rientrano nelle tecniche di "background subtraction", quindi stimano il background su K frame ed il foreground viene ottenuto come differenza tra il frame sotto analisi e la stima del background. Una volta ottenuto il foreground con le varie tecniche, questo viene sogliato e la mappa binaria ottenuta viene elaborata con operazioni morfologiche: l'ultimo passaggio è l'estrazione del ROI stimato. Viene inoltre proposta una variante della DMD multiscala, pensata per migliorare la rivelazione di target estesi in movimento. Per il confronto delle tecniche è stata utilizzata la curva PR, un indice di performance molto utilizzato per valutare modelli in cui le due classi da analizzare (background e foreground per l’appunto) sono sbilanciate, il che significa che una classe ha molti più campioni (pixel in questo caso) dell'altra. In questa tesi si dimostra che, applicando le varie tecniche su diversi video, la versione multiscala della DMD è l'algoritmo con le migliori prestazioni.