Vibe背景建模的opencv实现

首先简单介绍下Vibe：这是一种背景建模和前景检测的方法，和混合高斯背景建模的作用类似。在用简单opencv(版本3.1，IDE:VS2015)代码实现,访问图像全部用指针替代迭代器，没有用各种优化的情况下，全用cpu(i7-6700HQ 2.6GHz)跑800*600的视频，大概在0.06s到0.08s一帧。它的优点在于计算量小，内存占用少，检测效果好，应对噪声稳定可靠以及Ghost区域消融快。
下面，我们简单介绍下模型是什么样的，如何从单帧初始化以及如何更新。

---

一、模型

首先构建这个模型的基本想法就是：为了分割背景，我们并不是一定要计算概率密度函数，而是可以用实际观察到的像素值构建模型。概率密度函数是全局过程，会受离群点的影响。如果我们把背景建模的问题看作是分类问题，我们希望在给定的颜色空间内借助它“邻居”的点来分类一个新的像素点，这样就可以避免“离群点”的影响。

1.1模型描述

在给定欧式颜色空间站，我们用$v(x)$描述图像中位于x处的像素点，$v_i$表示序号为i的背景样本值。每个背景像素$x$由前一帧获取的N个背景样本值的集合描述：

$$M(x)=\{v_1,v_2,...,v_n\}$$
我们用 S