vibe背景减法-精品.pptxVIP

ViBe: A Universal Background Subtraction Algorithm for Video Sequences；ViBe+：Improvement for ViBe;outline;1）INTRODUCTION;2）REVIEW OF OTHER ALGORITHMS ;∑-△motion detection filter: 可用背景图像的一个简单的非线性递归近似值组成∑-Δ运动检测滤波器。该滤波器是基于对比和元素增/减量的（通常-1、0、1是仅有的更新值）。故∑-Δ运动检测滤波器适用于很多嵌入式这样缺乏浮点运算单元的系统。 简单，速度快，但是不适合对复杂环境的检测;GMM： 建模方法是记录每个像素点在不同时间的值，这些值组成了混合高斯模型的权重。这种背景像素模型能处理实际场所中遇到的多模的自然场景，在重复的运动背景情况下，如：树叶树枝等，处理的结果很好。 Disadvantage：1）计算代价较大 2）如果背景高低频变化频繁，算法的敏感度不能精确调节，模型不能与目标相适应，故高频目标可能损失 3)要注意到自然图像很多其实并非是高斯模型;Codebook algorithm: 像素表现为codebook，它是由一个长的图像序列的背景模型的压缩形式。每个codebook由codeword组成，codeword包含了创新的颜色变换矩阵所表示的颜色变换。 Disadvantage :其更新机制并不允许创建一个新的电报密码本，这在背景的不变结构部分发生变化时可能出问题（如：室外场景中的免费停车场）。 ;3）DESCRIPTION OF VIBE;1) Pixel Model and Classification Process Ideal: 已经观测到的像素值再次出现的可能性比没出现过的高很多 classification: 非参数聚类 ;根据一个像素对应的背景模型 M(x)来分类它的当前像素值 V(x) 具体方法： 在欧氏颜色空间中以V(x)为球心画一个球体SR(v(x)) ，统计在球内的背景模型样本点数 .;R=20 ; Given a threshold #min =2 sensitivity of model :;2) Background Model Initialization Ideal: 邻居像素可以共享一个空间分布 第一帧时随机挑选周围几个像素点的像素值当做其背景样本计入背景模型中 优点：1第二帧即可进行前景检测 2光源突变时，抛弃所有的样本值，可以立刻初始化背景。;3)Updating the background model over time ;Author’s update method: 1) a memoryless update policy 2) a random time subsampling 3) Spatial Consistency Through Background Samples Propagation;1) a memoryless update policy Ideal: 新的样本值应该更新到背景模型当中，但是旧的样本值不一定要被替换 和机械性质的替换掉旧样本值不同,我们通过统一的概率密度函数随机挑选一个样本进行替换 优点：提高时间相关性;经过一次更新之后模型中一个样本被保留下来的概率为： 经过 dt 时间后： ;2)Time Subsampling Ideal: 没必要每一帧都更新一次背景模型. a random subsampling policy time subsampling factorф; ф=16; 一个像素点在16次判为背景的情况下有一次机会更新它的背景模型 优点：进一步提高时间相关性； ;3)spatial propagation Ideal: 相邻背景像素应共享一个时空分布，所以一个新的背景样本应更新到相邻像素点的背景模型中 the 4- or 8-connected spatial neighborhood of a pixel , that is NG(x) , 把判定为背景的点 V (x) 用来更新随机挑选出来的一个邻居背景模型 M(y= NG(x)) 优点：1. 提高空间相关性，可以应对摄像头抖动； 2. 消除 ghost;;EXPERIMENTAL RESULTS;A. 参数确定 ф=16; R=20; 样本数N=20 #min=2;B. Comparison With Other Techniques 1) GMM 2) EGMM 3) Bayesian algorithm based upon histograms 4) codebook algorithm