背景建模--Vibe 算法優(yōu)缺點分析

一、Vibe 算法的優(yōu)點

?????? Vibe背景建模為運動目標檢測研究鄰域開拓了新思路，是一種新穎、快速及有效的運動目標檢測算法。其優(yōu)點有以下兩點：

?????? 1、思想簡單，易于實現。Vibe通常隨機選取鄰域20個樣本為每個像素點建立一個基于樣本的背景模型，具有初始化速度快、內存消耗少和占用資源少等優(yōu)點，隨后，利用一個二次抽樣因子φ，使有限的樣本基數能近似表示無限的時間窗口，即在較少樣本前提下，保證算法的準確性，最后，并采用一種領域傳播機制保證算法的空間一致性。

???????2、運算效率高。有兩方面的原因：一是Vibe背景模型是基于少量樣本的背景模型，二是優(yōu)化了背景模型中的相似度匹配算法。Vibe背景模型是一種基于N個樣本的背景模型，為得到最佳N值，分別選取N為5、15、20、25進行了實驗對比，如圖3.3所示，實驗結果表明，N取20、25時，檢測結果理想，考慮計算負載，N取20最優(yōu)。與混合高斯的3-5個高斯模型的計算匹配比較，基于20個樣本的背景模型計算具有計算開銷低、檢測速度快等優(yōu)點。Vibe的背景模型相似度匹配函數只與R和Umin 有關，背景模型中的樣本與待分類像素的歐式距離小于R的個數超過Umin 時，匹配背景模型，判斷為背景，在實際實現過程中，優(yōu)化算法，一旦找到Umin 個匹配樣本時，停止計算，判斷待分類像素為背景，該方法大大減少了整個算法的計算量，從而提高運算效率。

??????????????????????????????? ???

??????? 3、樣本衰減最優(yōu)。有人通過增加樣本基數（上至200個）來處理復雜場景，也有人結合兩個子模型分別處理快速更新和緩慢更新的情況。其實，選取被替換樣本更新背景模型，實質上是樣本壽命問題，傳統(tǒng)方式采用先進先出的替換策略。Vibe背景模型中每個樣本被選中為替換樣本的概率是相等的，與樣本存在時間的長短無關，這種策略保證背景模型中的樣本壽命呈指數衰減，模型更新達到最佳狀態(tài)。

二、Vibe 算法的缺點

?????? Vibe背景建模有思想簡單、易于實現、運算效率高等優(yōu)點，但算法自身也存在著局限性。主要有鬼影、靜止目標、陰影前景和運動目標不完整等問題。

???????第一個問題：鬼影問題。如圖3.4所示，Vibe背景建模利用第一幀作為初始幀初始化背景模型，圖(d)是圖(c)用Vibe算法檢測到的結果，因第一幀（如圖(b)所示）中存在著運動目標，并非真實的背景圖像（如圖(a)所示），檢測結果中出現鬼影，如圖3.4(d)所示。產生鬼影的根源可歸納為兩類：（1）背景模型的初始幀存在著運動目標；（2）運動目標的狀態(tài)轉變，從靜止到運動，背景模型的更新速率無法與背景變率相同步，出現虛假目標，即鬼影。

???????????????????????????????????

????????????第二個問題：靜止目標問題。如圖3.5所示，圖(a)紅框中的人在等地鐵，從圖(a)到圖(c)經過498幀，長時間駐留未運動，該人物運動目標逐漸被背景吸收。本文將在450幀以上都沒有明顯位移的運動目標區(qū)域定義為靜止目標區(qū)域。產生靜止目標問題的根源可歸納為兩類：（1）運動目標從運動到靜止，（2）運動目標運動緩慢。當Vibe背景模型的更新速度過快時，將靜止或緩慢運動目標吸收為背景的一部分，此時這兩種運動目標就檢測不出來了。

???????????????????????????

??????? 第三個問題：陰影前景問題。如圖3.6所示，圖(b)和圖(d)分別是用Vibe 算法對人體運動目標(a)和車體運動目標(c)的檢測結果，由于光線被人體或車體運動目標所遮擋，投射陰影區(qū)的背景被誤檢為運動目標前景。陰影的存在導致檢測出來的運動目標形狀不準確，影響后續(xù)目標分類、跟蹤、識別和分析等其他智能視頻處理模塊。產生陰影前景問題的根源是：光線被運動目標前景遮擋，投射陰影區(qū)的顏色比背景的顏色暗，即陰影和背景顏色值的距離相差較大，背景差分后被誤檢為運動目標前景。

??????????????????????????????????

??????? 第四個問題：運動目標不完整問題。如圖3.7所示，圖(a)中的人內部出現空洞，圖(b)中的人中間出現斷層，圖(c)中的人上半身出現邊緣殘軀，圖(d)車體的擋風玻璃出現空洞。運動目標通常可分為非剛性物體和剛性物體，人屬于非剛性物體，車屬于剛性物體，這兩種常見檢測對象的檢測結果都出現了不完整現象。總結圖3.7的實驗結果，可將運動目標不完整現象分為三類：a）運動目標內部有大量空洞。（b）運動目標邊緣殘缺，呈現C字型凹陷。（c）運動目標中間有斷層。

??????????????????

?????? 產生運動目標不完整問題的根源主要有以下兩點：（1）Vibe算法自身存在缺陷。基于統(tǒng)計學原理的Vibe樣本模型受限于模型的樣本個數，當樣本趨于無窮大時才能準確描述場景，這在實際應用中是不可能實現的；（2）場景或運動目標的 復雜性和多變性。主要有三種情況：1）瞬時的光線突變，背景模型來不及更新，2）前景與背景顏色相近，將前景誤判為背景，3）噪聲干擾，出現孤立噪聲點和連通噪聲區(qū)域。

總結

以上是生活随笔為你收集整理的背景建模--Vibe 算法优缺点分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。