背景建模的方法很多很多！各種方法都有自己的優缺點！這裡簡要的介紹一下基於gmm+lbp的背景建模方法。
一. 背景建模演算法
1) 能夠適應光照的變化，樹葉的擺動，可以抗干擾。
2) 能夠應對背景資訊均值和方差的大幅度變化，針對於這一點，人們常常用多模型進行處理，比如採用混合高斯背景建模。
3) 能夠處理運動物體的陰影，對於樹蔭下的運動目標也有一定的檢測能力
二．lbp背景建模演算法
相比較而言，採用基於lbp的背景建模演算法存在著以下幾個方面的優點：
1) 灰度單調的變化不會導致lbp值發生改變
這樣光照的變化，不會改變整個影象的lbp值，因此可以很好的抑制光照的變化以及相機的微小抖動，但當目標很大的時候，也會出錯，導致漏檢。
2) 計算速度快。對於352*288的影象，在不降取樣率的條件下，也能達到15mspf的速度，這個要優於混合高斯模型
3) 能夠實時的跟蹤快速運動的目標，對於小目標也有較好的效果
4) 對雜訊有很好的抑制，不會出現高斯背景建模時出現的斑點雜訊，因此無需濾波操作，節省了時間。
5) 它對於光照的變化、搖擺的樹木、起伏的湖面和閃爍的監視器這些複雜的情況，還有背景中有新的物體進入或者舊的物體移出這些情況都有很好的適應性，6）
缺點是沒有解決運動陰影的問題。
三．lbp的計算
1. 計算過程
最基本的lbp運算元是將中心畫素和其3×3的鄰域內的各個畫素進行比較，如果鄰域畫素的灰度值大於等於中心畫素的灰度值，則置該鄰域畫素在lbp二進位制值序列中的值為1，否則置為0。最後由3×3鄰域的8個畫素經過此運算得到乙個按一定次序排列後形成的八位二進位制數，將此值的十進位制數作為此畫素點的lbp值，其大小範圍為0~255。
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 ...
背景建模 基於時空特徵 續1
創新點 1 將前景檢測分為二層處理，分別是畫素層和區域層，通區域層來消除誤檢的畫素點 2 在區域層處理時，區域視窗的大小是自適應的 畫素層處理 與混合高斯模型處理方式一樣 區域層處理 針對畫素層處理後得到前景畫素點，計算並判斷該畫素點是否與其鄰域內某個背景畫素點的對應的模型匹配 若匹配，則說明該畫素...