ViBe算法的理解
基本思想:为图像的每一个像素点存储一个样本集,样本集中的采样值就是该像素点以及其邻域的灰度值。图像中所有像素点的样本集构成背景模型,然后用每一帧图像的像素点灰度值与背景模型比较,判断该像素点是否属于背景。
ViBe算法是一种基于采样的背景减法,即通过像素值采样构建背景模型。主要包括背景模型构建过程和前景目标识别过程。
一、背景模型构建过程
ViBe算法背景模型构建过程一般分为背景模型的建立、背景模型的初始化以及背景模型的更新三个部分。
1.背景模型的建立
根据图像的空间一致性原则,本算法提出采用多色空间像素点邻域灰度值作为背景模型中样本集中的样本值。假设图像中每个像素点的样本集个数为N,则所有像素点的样本集构成了图像的背景模型。
2.背景模型的初始化
本算法采用瞬时初始化技术,即用第一帧图像完成初始化。每个像素点样本集中的样本值都是从该像素点及其邻域中随机选取。由于通过第一帧图像完成初始化的过程没有时间信息,因此这种初始化的方法会引起“鬼影”现象,即第一帧中运动的目标会认为是背景,这种“鬼影”现象会随着背景模型更新的过程慢慢消失。
3.背景模型的更新
本算法背景模型的更新采用随机更新策略,即图像中的某个像素点判定为背景点时,它就会有一定概率P来更新该像素点位置的背景模型,在该点样本集中随机选取一个样本值被替换。同时它也有一定概率P用来更新相邻像素点的背景模型,更新方法也是随机选取样本集中的样本值。这种更新邻居像素点的背景模型根据的是像素在图像中的空间传播特性。
针对不断变化的背景