python实现算法改进_运动目标检测vibe算法及其改进Python实现

vibe是一个又简单又牛逼的算法，没有什么数学公式，就只有三步

1.初始化背景模型，总共有20个背景模型样本，每个样本中的每个点由其八邻域初始化(论文里面没有用到自己这个像素点，看了其他的改进，有用自己的，这个没必要较真，大家都是试出来的，不一定适合每个场景)。

2.前景背景判定 新来的每一帧与背景模型做比较，如果新的帧的点与背景模型中样本的点的像素值大小不超过20(20是个经验值

在网上搜了一下，实现的版本，emm，速度真的是太慢了，慢的想要哭，but自己要用啊，这个速度真的是不能接受的，那怎么办呢，只好优化一下，虽然自己也是菜鸡，只能简单的搞一搞了。

添加了动态阈值与后处理，有效的减少了误检。

感觉后处理是万能的，可以过滤掉好多东西

参考的代码

通过profile分析了一下，瓶颈主要是在随机数生成上，所以，要减少随机数生成的次数。然后就是for循环慢，能改就尽量改成numpy。

def bg_update(I_gray,seg_mask,samples, sub_factor, fg_mask_counts):

height, width = seg_mask.shape

x_y_set = [[-1, -1], [-1, 0], [-1, 1], [0, -1], [0, 1], [1, -1], [1, 0], [1, 1]]

neighbor_num = len(x_y_set)

for i in range(height):

for j in range(width):