codebook背景建模原理
2014-02-18 21:15
239 查看
CodeBook(码本)算法的基本思想是得到每个像素的时间序列模型。这种模型能很好地处理时间起伏,缺点是需要消耗大量的内存。CodeBook算法为当前图像的每一个像素建立一个CodeBook(CB)结构,每个CodeBook结构又由多个CodeWord(CW)(码字,或者是码元:CodeElement)组成。CB和CW的形式如下:
CB = { CW1, CW2, … CWn, t };
CW = { learnHigh, learnLow, max, min, t_last_update, stale };
其中n为一个CB中所包含的CW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。CW是一个6元组,其中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。上次更新的时间t_last_update和陈旧时间stale(记录该CW多久未被访问)用来删除很少使用的CodeWord。
假设当前训练图像I中某一像素为I(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CW,如果存在一个CW中的learnHigh,learnLow满足learnLow ≤ I(x,y) ≤ learnHigh,则转(4);
(3) 创建一个新的码字CWnew加入到CB中,CWnew的max与min都赋值为I(x,y),learnHigh = I(x,y) + Bounds,learnLow = I(x,y) – Bounds,并且转到(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CW的stale。
使用已建立好的CB进行运动目标检测的方法很简单,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),遍历它对应像素背景模型CB中的每一个码字CW,若存在一个CW,使得I(x,y) < max + maxMod并且I(x,y) > min – minMod,则I(x,y)被判断为背景,否则被判断为前景。
在实际使用CodeBook进行运动检测时,除了要隔一定的时间对CB进行更新的同时,需要对CB进行一个时间滤波,目的是去除很少被访问到的CW,其方法是访问每个CW的stale,若stale大于一个阈值(通常设置为总更新次数的一半),移除该CW。
综上所述,CodeBook算法检测运动目标的流程如下:
(1) 选择一帧到多帧使用更新算法建立CodeBook背景模型;
(2) 按上面所述方法检测前景(运动目标);
(3) 间隔一定时间使用更新算法更新CodeBook模型,并对CodeBook进行时间滤波;
(4) 若检测继续,转(2),否则结束。
转载于:http://blog.sina.com.cn/s/blog_c3004d7d0101kpra.html (转载时有修改)
源出处:K. Kim, T. H. Chalidabhongse,
D. Harwood and L. Davis, "Real-time Foreground-Background Segmentation
using Codebook Model", Real-time Imaging, Volume 11, Issue 3, Pages 167-256, June 2005.
CB = { CW1, CW2, … CWn, t };
CW = { learnHigh, learnLow, max, min, t_last_update, stale };
其中n为一个CB中所包含的CW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。CW是一个6元组,其中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。上次更新的时间t_last_update和陈旧时间stale(记录该CW多久未被访问)用来删除很少使用的CodeWord。
假设当前训练图像I中某一像素为I(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CW,如果存在一个CW中的learnHigh,learnLow满足learnLow ≤ I(x,y) ≤ learnHigh,则转(4);
(3) 创建一个新的码字CWnew加入到CB中,CWnew的max与min都赋值为I(x,y),learnHigh = I(x,y) + Bounds,learnLow = I(x,y) – Bounds,并且转到(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CW的stale。
使用已建立好的CB进行运动目标检测的方法很简单,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),遍历它对应像素背景模型CB中的每一个码字CW,若存在一个CW,使得I(x,y) < max + maxMod并且I(x,y) > min – minMod,则I(x,y)被判断为背景,否则被判断为前景。
在实际使用CodeBook进行运动检测时,除了要隔一定的时间对CB进行更新的同时,需要对CB进行一个时间滤波,目的是去除很少被访问到的CW,其方法是访问每个CW的stale,若stale大于一个阈值(通常设置为总更新次数的一半),移除该CW。
综上所述,CodeBook算法检测运动目标的流程如下:
(1) 选择一帧到多帧使用更新算法建立CodeBook背景模型;
(2) 按上面所述方法检测前景(运动目标);
(3) 间隔一定时间使用更新算法更新CodeBook模型,并对CodeBook进行时间滤波;
(4) 若检测继续,转(2),否则结束。
转载于:http://blog.sina.com.cn/s/blog_c3004d7d0101kpra.html (转载时有修改)
源出处:K. Kim, T. H. Chalidabhongse,
D. Harwood and L. Davis, "Real-time Foreground-Background Segmentation
using Codebook Model", Real-time Imaging, Volume 11, Issue 3, Pages 167-256, June 2005.
相关文章推荐
- 目标检测——CodeBook背景建模(原理+Opencv实现代码)
- 背景建模方法codebook算法原理
- codebook算法(背景建模)的原理
- codebook算法(背景建模)的原理——该算法对光照非常敏感
- codebook背景建模原理
- GMM背景建模原理
- OpenCV ——背景建模之CodeBook(1)
- 混合高斯背景建模原理及实现
- 背景建模与前景检测(四)——codebook
- 混合高斯背景建模原理及实现(C# )
- 混合高斯背景建模原理及实现
- OpenCV ——背景建模之CodeBook(2)
- Codebook 背景建模
- codebook 背景建模更新及码本模型如何释放内存
- 单高斯背景建模原理及代码实现
- 基于codebook背景建模的运动目标检测
- OpenCV CodeBook背景建模 包含码本的更新
- 混合高斯模型背景建模原理
- 混合高斯背景建模原理及实现
- 平均背景建模、Vibe背景建模、CodeBook背景建模、gauss混合背景建模总结