(精)codebook码本算法.ppt

* 内存和时间上效率提高不少 对“time of day”类型的图像序列效果提高 * 首先利用基于局部二值模式的纹理信息进行第一层分块背景建模, 然后缩小建模粒度, 在第一层上选取代表点进行第二层码本背景建模; 目标检测时, 不同粒度从上到下与所得背景模型分层匹配。第一层采用纹理背景建模, 在第一层均匀地选取几个代表点, 每个点代表一小块区域, 对其进行第二层的码本建模。这样的检测效果是可以利用局部纹理模型很好的消除了阴影 LBP不是很懂？？？ * 消除了阴影 * 这种结合其他基于像素背景建模算法的改进，基本上遵循的路线都是在进行前景检测时，多加入了几个条件，只有所有的条件都不符合才算是前景，因此检测出来的前景噪声点少很多 * 细节进行了改进 作者认为codebook算法作者自身的改进算法的一种多层的codebook算法中很多地方不是很合适，因此他在一些地方加入了自己的修改 主要是对codebook原始算法的一些策略方面的改进，对很多不适合的地方进行了修改 * 计算输入像素与模型的“差”时可以减少计算量，提高算法的运行效率 * 对codebook算法在时间和空间两个维度上进行了改进，提出了两种改进算法 1. 在原始codebook算法判断输入像素是否为前景的时候不仅仅判断该像素对应的codebook本身，还判断了与该像素的八领域所对应的codebook是否匹配，只有在所有的9个codebook中不匹配才认为是前景，这样便可以处理一些树叶晃动的情况，检测出来的效果比原始的codebook更好一些 2.应用马尔可夫随机场的理论，将输入像素的八领域及其上一帧相应的像素的是否为前景的状态信息整合到马尔可夫随机场模型中，利用该模型的一些解法计算输入像素是否为前景 * 其中的sigma是RGB的协方差矩阵，其对角线元素分别为sigmaR、sigmaG和sigmaB。在更新背景是同样的按照学习率去更新各个参数，并且在此基础上利用了codebook算法作者自身的多层codebook改进 * 首先是将算法改在HSV空间，因为HSV空间的V分量表示图像的亮度，这样可以更好的替代原始codebook算法中亮度的计算方式； 其次的改进是引入了如下图所示的圆柱圆锥混合(Hybrid Cone-Cylinder)模型，其中上面的圆柱可以解决Hignlight光照的情况，而下边的圆锥可以解决阴影抑制的作用 自适应性的背景更新 改进与发展 其他人的改进 Real-time Background Modeling/Subtraction using Two-Layer Codebook Model 与作者的两层改进模型有些许区别 基于LBP(Local Binary Patterns)的codebook改进算法 补充局部纹理模型到codebook建模中 Real Time Foreground-Background Segmentation Using a Modi?ed Codebook Model 修改了算法参数方面的东西 改进与发展 Box-based Codebook Model?for Real-time Objects Detection 背景模型简化为Box Spatio-temporal context for codebook-based dynamic background subtraction 添加了时空上下文到算法中 Gaussian-Based Codebook Model for Video Background Subtraction 结合高斯模型到codebook中 “Hybrid Cone-Cylinder” Codebook Model for Foreground Detection with Shadow and Highlight Suppression 将背景假设为圆锥圆柱混合模型 Two-Layer Codebook Model Real-time Background Modeling/Subtraction?using Two-Layer Codebook Model?. Author: Mohamod Hoseyn Sigari. Iran. 修改： 输入图片序列为灰度图像，原始codebook使用的是RGB空间图像 原始codebook算法，亮度的上下限作者进行了放大和限制（即引入了alpha和beta用来解决highlight和shade的问题），本文作者是将亮度的上下限修改为统计量最大亮度和最小亮度 在判断codeword是否匹配的地方，原始codebook基于两个条件colordist(xt,vm)和brightness(I,(Ih