opencv学习记录【6】（codebook

9.2-9.16：codebook
【一】 基本原理
CodeBook算法的基本思想是为每一个像素点建立一个codebook，每个codebook包含一个或者多个码元code_elements，并且随着背景像素值波动情况的不同，不同像素点所包含的码元数目不一定相同。
CodeBook算法为当前图像的每一个像素建立一个码本CodeBook(CB)结构,每个CodeBook由多个码元code_element(ce)组成。CB和ce的形式如下：
CB={**cb,numEntries,t }
ce={learnHigh, learnLow,max,min,t_last_update,stale}
其中numEntries为一个CB中所包含的ce的数目，当n太小时，退化为简单背景，当n较大时可以对复杂背景进行建模;t为CB更新的次数。ce中learnHigh和learnLow作为更新时的学习上下界，max和min记录当前像素的最大值和最小值。t_last_update表示此码元最后一次更新的时间，stale表示此码元最长不更新时间(即该ce多久未被访问)，用来删除很少使用的码元，精简码本。
【二】 步骤
1 模型训练
假设当前训练图像I中某一像素 (x,y)，该像素的CB的更新算法如下，另外记背景阈值的增长判定阈值为Bounds：
(1) CB的访问次数加1；
(2) 遍历CB中的每个ce，如果存在一个ce中的learnHigh，learnLow满足learnLow≤I(x,y)≤learnHigh，则转(4)；
(3) 创建一个新的码字new ce加入到CB中, new ce的max与min赋值为I(x,y)，learnHigh <- I(x,y) + Bounds，learnLow <- I(x,y) – Bounds，并且转(6)；
(4) 更新该码字的t_last_update，若当前像素值I(x,y)大于该码字的max，则max <- I(x,y)，若I(x,y)小于该码字的min，则min <- I(x,y)；
(5) 更新该码字的学习上下界，以增加背景模型对于复杂背景的适应能力，具体做法是：若learnHigh < I(x,y) + Bounds，则learnHigh 增长1，若learnLow > I(x,y) – Bounds，则learnLow减少1；
(6) 更新CB中每个ce的stale。设定刷新时间，遍历每个码元，若码元中的不更新时间大于设定的刷新时间，则删除；在刷新时间内则保持。
2 背景检测
使用已建立好的CB进行运动目标检测，记判断前景的范围上下界为minMod和maxMod，对于当前待检测图像上的某一像素I(x,y)，遍历它对