Foreground Detection: A Fast Self-tuning Background Subtraction Algorithm

reference

• A Fast Self-tuning Background Subtraction Algorithm

关键思想

• 背景模型的有效性检测，本文同样基于像素（相对于基于区域，基于帧），通过K个背景像素样本进行背景提取，但不同于VIBE类算法(PBAS,VIBE+,Subsense)等的随机更新策略，此方法通过对背景像素样本的有效性进行排序，及时剔除没什么用的像素样本，一般而言，这些被剔除的样本就是一些背景像素边沿点或者前景像素，剔除它们可以提高召回率及精确率。

主要变量

• T： 背景像素样本，它包含着B和C，B即背景像素值，C为对应的有效值。文中含K个背景像素样本$T_0,T_1,...,T_K$,对应着$(B_0,C_0),(B_1,C_1),...,(B_K,C_K)$。
• B: 背景像素值，更新方式：$B_j=(1-\alpha )B_j + \alpha I$, 这里$I$为当前输入帧。
• C: 有效性，当 C