ViBe背景建模算法

ViBe算法：ViBe - a powerful technique for background detection and subtraction in video sequences
算法官网：http://www2.ulg.ac.be/telecom/research/vibe/

ViBe算法是”Visual Background Extractor”的缩写。它是一种像素级视频背景建模算法。根据网上的一些测试资料显示，ViBe算法具有以下几个优点：（1）内存占用小；（2）计算量小；（3）性能优于混合高斯模型；（4）背景模型能够快速初始化；（5）更快的Ghost区域消除速度。

ViBe算法详解：
1、模型工作原理：
背景物体就是指静止的或是非常缓慢的移动的物体，而前景物体就对应移动的物体。所以我们可以把物体检测看出一个分类问题，也就是来确定一个像素点是否属于背景点。在ViBe模型中，背景模型为每个背景点存储了一个样本集，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。可以知道如果一个新的观察值属于背景点那么它应该和样本集中的采样值比较接近。该模型主要包括三个方面：（1）算法模型初始化；（2）像素的分类过程；（3）模型的更新策略。
2、模型的初始化
假定我们要处理的每一帧图像是M x N 个像素的，x表示某帧图像的一个像素点。模型要为M x N 中每个像素建立一个样本集，x像素的样本集可以表示为S(x）={p1 , p2 , p3 … pn} ，每个样本集的大小为n，n这个值如何确定的，暂时不用管，一般是实验得出的，论文中取n=20。所以样本集的总大小为M x N x n。样本集的作用将会在后面讲到。 模型的初始化，就是要初始化样本集，一般初始化在视频的第一帧完成。每个像素有n个样本集，初始化样本集的方法不是唯一的，最直观的方法就是根据像素x和像素x的邻域来初始化，即我们将x的值和x的几个邻域值随机赋给x对应的n个样本。
3、像素的分类过程
初始化结束了，我们就要开始工作了：确定每一帧的前景图像。帧差法其实就是将上一帧的图像当做背景图像，当前帧减上一帧的值的绝对值就是前景图像，ViBe的当前帧跟帧差法是一样的，那么ViBe的“背景图像”是什么？聪明的你一定想到了，就是我们上面提到的样本集，我们就是要根据当前帧的像素值和样本集里的像素值进行比对，来得出当前帧的某个像素值是不是前景图像的像素值。听起来还蛮复杂的，实际上归结为一点就是：怎么比对？
假定当前帧为第 t 帧，pt(x)表示第 t 帧图像 x 像素的像素值。借用论文中的一幅图进行讲解。如下图，下面根据图的讲解都是针对x点一个像素的分析。图中的p1到p6都是x像素的样本集中的值，pt(x)为当前像素值。那图中的横坐标C1和纵坐标C2是什么呢？我们假定我们处理的图像每个像素是RGB格式的，即一个像素值由R,G,B三个值表示，那么图中的坐标其实还隐藏了C3，即C1，C2，C3表示的正是三个通道值，如果是灰度图的话下面的图就要画成一维一条直线了。接下来我们选定一个半径R（如图所示的R），在距pt(x)值半径R距离（这个距离即笛卡尔坐标距离，坐标就是RGB通道值）范围内的样本值有p2，p4，在半径R范围内的样本值总数计为#，那么下图#=2。 当#<#min的值时，x这个像素就被标记为前景像素。依次处理所有像素，就能得出前景图像了。其中#min这个值也是预先设定的，论文中给出的值是2。

4、模型的更新策略

主要参考：
http://blog.csdn.net/brilliantstone/article/details/18085235
http://blog.csdn.net/stellar0/article/details/8777283
http://blog.sina.com.cn/s/blog_6a2787d40102v3f2.html
代码可参考：
http://blog.csdn.net/Dream_WHui/article/details/39229757
http://blog.csdn.net/lcj1105/article/details/50729479