最近在了解背景建模方面的一些東西，發現vibe演算法從實時性和處理效果來衡量，具有較好的實用性。這裡借鑑博主tongai的部落格新增一點自己的理解。
**vibe演算法不計算概率密度函式模型，他所用的每個畫素點是選取固定長度的取樣來建立背景模型。 為了確定乙個新的畫素pt
(x) 是前景還是背景，作者將這個值中的取樣點
的值進行比較。前面符號中的 x 表示特定的畫素位置，而取樣點可以理解為來自於相同的位置。
如上圖，圖中的橫縱座標並不是空間座標，它表示了待分類的畫素點和模型中的點（灰度）值的差距。與待分類點的差距小於規定的半徑r的取樣值的數量被稱為基數(cardinality)，用
# 表示。例如圖中的情況#=
2 ，包含了p2
和p4 。規定門限#m
in，如果#in
，則待分類點為背景。
這個模型裡面有兩個固定引數，分別是
r 和#m
in，在實驗中，作者令r=
30 ，#m
in=2
.vibe的乙個重要創新是通過隨機的方式更新模型。barnich在文章中提到，之前的方法利用先進先出的方式更新模型，這種方式並不太好，好的方式是讓取樣值在模型中的概率單調降低。於是，作者通過隨機的辦法，在n個取樣點中隨機選取乙個進行更新。這樣在數學保證乙個取樣值如果在t0
時刻在模型中，那麼在t1
時刻仍然在模型中的概率是 (n
−1n)
t1−t
0 。
在實際的場景中，空間資訊肯定是乙個非常重要的資訊，但是上面的步驟中並沒有用到影象中的空間資訊。為了保證空間一致性，作者又引入了乙個隨機。在上面更新了點周圍八鄰域，再隨機選取乙個點，還是用這個值來更新。（這個沒太看懂這個隨機與空間一致性的關聯）
整理一下演算法流程（以灰度影象為例）：
初始化模型：預先設定好的模型的取樣數量為n，那麼就用前n幀影象完成初始化模型。
初始化模型結束後，對於新一幀影象中的每乙個畫素點，計算其與背景模型中n個取樣點的灰度差。
其中灰度差小於給定半徑（r）的數目成為基數（cardinality），假如基數大於給定的門限，那麼該畫素點被標記為背景，繼續通過第4、5步更新背景模型，否則標記為前景，換下乙個畫素點重新從第2步開始執行。
從背景模型的n個取樣點中，隨機選取乙個，用新的值代替。
從選取的被替換的畫素點的八鄰域，再隨機選取乙個畫素，用這個新的值代替。
換下乙個畫素點重新從第2步開始執行。
關於演算法，在文章中barnich還提到了幾點。乙個是在模型建立的過程中，可以做到從第2幀開始進行背景估計，而不是從n+1幀開始，做到這點，這需要在用第一幀建模的時候，把第乙個抽樣點的鄰域作為其他的抽樣點就可以了。當然最好第一幀裡面沒有運動的物體。
再就是關於前景畫素值是否更新到背景模型中的乙個討論。barnich提到，乍一看，會覺得肯定不包含前景，但是這樣在背景突然移動（例如本來停著的車）的情況下會引入死鎖。另一方面，如果包含前景，那麼移動太慢的前景可能會被認為是背景。不知道是不是因為我讀的不夠仔細，並沒有看到在實驗中作者到底是怎麼操作的。
關於黑體部分，按照我對別人**的理解，進行一點說明：
在利用第一幀進行背景建模時，對每個畫素點，利用3*3的模板，按照x,y座標做平移操作。
模板如下：
x方向：00
0111
222 y方向：01
2012
012 x，y方向網格中的資料表示對應畫素點的平移量，按照隨機對應的平移量獲得建模資料。注意對於邊緣的處理，利用最近畫素點進行填充。
可以利用背景更新速率來控制，在對背景進行更新的過程中，按照指定的更新速率，隨機的對背景畫素點進行更新。例如，對於一張704*576的背景模型來說，根據測試幀與背景模型的比較，在比較的過程中按照一定的更新速率對背景模型中的隨機畫素進行較小偏移操作。這樣可以處理部分鬼影現象。
背景建模 Vibe 演算法優缺點分析
一 vibe 演算法的優點 vibe背景建模為運動目標檢測研究鄰域開拓了新思路，是一種新穎 快速及有效的運動目標檢測演算法。其優點有以下兩點 1 思想簡單，易於實現。vibe通常隨機選取鄰域20個樣本為每個畫素點建立乙個基於樣本的背景模型，具有初始化速度快 記憶體消耗少和占用資源少等優點，隨後，利用...
背景建模 基於碼本背景建模
一 概述 二 碼本背景模型建立 本演算法採用量化的方法來構建背景模型，針對每乙個畫素點連續取樣值的顏色距離和亮度範圍為每個畫素點構建乙個碼本，根據取樣值的變化情況，每個碼本中碼字的個數不同。假設訓練序列中單個畫素的序列取樣值為 x 它其中的每乙個元素都是乙個rgb 向量。設c 為該畫素的碼本，碼本中...
背景建模演算法 平均背景建模 單高斯背景建模C實現
顏色背景建模的基本原理 對影象中每個畫素的顏色值 灰度或彩色 進行建模。若當前影象座標 x,y 上的畫素顏色值與背景模型中 x,y 處的畫素顏色值有較大差異，當前畫素被認為是前景，否則為背景。平均背景建模是一種簡單，計算速度快但是對環境光照變化和背景的多模態性比較敏感的一種備件建模演算法。基本思想 ...