VIBE检测算法

一、 VIBE获取目标---->其他算法处理---最终目标

是一种像素级视频背景建模和前景检测的算法，效果优于所熟知的几种算法，对硬件内存占用也少。

优点：内存占用少，处理速度快，计算量小，检测效果好

无参数法：

可直接应用在产品中，软硬件兼容性好；

性能优于混合高斯，参数化方法，SACON等；

像素级算法，视频处理中的预处理关键步骤；

背景模型及时初始化

具有较好的抗噪能力。

缺点：Ghost区域

挑战：必须适应环境的变化（比如光照的变化造成图像色度的变化）；相机抖动引起画面的抖动（比如手持相机拍照的时候的移动）；图像中密集出现的物体（比如树叶或树干等密集的物体，要正确的检测出来）；必须能够正确的检测出背景物体的改变（比如新停下的必须及时的归为背景物体，而有静止开始移动的物体也需要及时的检测出来）。

二、算法详解：

1、  工作原理

背景物体，前景物体，检测实质上是一种分类问题。

两个参数半径R，基数#min。通过调整数值，改变模型的灵敏度。

Pt(x)是x位置的像素，M（x）={p1,p2…Pn}是x处的N个样本集合，Sr(Pt(x))是以Pt（x）为中心，R为半径的圆形区域，若M（x）与Sr的交集的个数大于一个阈值#min，则Pt（x）就归为背景点。（见11图片）

2、  初始化即建模  通过一帧图像即可完成

随机的选择像素点的邻居点作为模型样本值，优点是对于噪声的反应比较灵敏，计算小速度快，缺点容易引入Ghost区域。

 

3、  背景更新

保守的更新策略+前景点计数。

1）  在n维样本空间中随机选取一帧图像，称为时间随机

2）  在该图像上的相应位置及其八邻域随机选取一个值用所给值替代，称为空间随机

总结，vibe是一种时间和空间上随机的背景减法算法。

 

可改进的地方，自适应阈值R，分割。

三、所做工作

手头拿到的代码，背景出现很多噪声，需要改进，已完成声明部分。