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。