一、 vibe
獲取目標
---->
其他演算法處理
---最終目標
優點：記憶體占用少，處理速度快，計算量小，檢測效果好
無引數法：
可直接應用在產品中，軟硬體相容性好；
效能優於混合高斯，引數化方法，sacon等；
背景模型及時初始化
具有較好的抗噪能力。
缺點：ghost區域
挑戰：必須適應環境的變化（比如光照的變化造成影象色度的變化）；相機抖動引起畫面的抖動（比如手持相機拍照的時候的移動）；影象中密集出現的物體（比如樹葉或樹幹等密集的物體，要正確的檢測出來）；必須能夠正確的檢測出背景物體的改變（比如新停下的必須及時的歸為背景物體，而有靜止開始移動的物體也需要及時的檢測出來）。
二、演算法詳解：
1、 工作原理
背景物體，前景物體，檢測實質上是一種分類問題。
兩個引數半徑r，基數#min。通過調整數值，改變模型的靈敏度。
pt(x)是x位置的畫素，m（x）=是x處的n個樣本集合，sr(pt(x))是以pt（x）為中心，r為半徑的圓形區域，若m（x）與sr的交集的個數大於乙個閾值#min，則pt（x）就歸為背景點。（見11）
2、 初始化即建模 通過一幀影象即可完成
隨機的選擇畫素點的鄰居點作為模型樣本值，優點是對於雜訊的反應比較靈敏，計算小速度快，缺點容易引入ghost區域。
3、 背景更新
保守的更新策略+前景點計數。
1） 在n維樣本空間中隨機選取一幀影象，稱為時間隨機
2） 在該影象上的相應位置及其八鄰域隨機選取乙個值用所給值替代，稱為空間隨機
總結，vibe是一種時間和空間上隨機的背景減法演算法。
可改進的地方，自適應閾值r，分割。
三、所做工作
手頭拿到的**，背景出現很多雜訊，需要改進，已完成宣告部分。
素數檢測演算法
因為1既不是素數也不是合數，所以下面的實現 中不考慮小於2的情況。本文以c語言進行講解，建議對著完整的原始碼看。最原始 最粗暴的方法就是從頭到尾逐個進行檢測，一旦遇到可被整除的數馬上返回false bool is prime 1 int n return true 該演算法時間複雜度為n2 n 2對...
邊緣檢測演算法
邊緣是由灰階等高線定義的，穿過等高線時，灰階會迅速變化，沿著等高線走，灰階值的變化會更加輕柔，有可能是隨機變化的，因此邊緣具有乙個可以測量的方向。邊緣畫素和雜訊畫素相比周圍的畫素都有明顯的變化，而邊緣畫素互相連線，構成等高線，因此可以通過這一特性區分邊緣畫素和雜訊畫素。1 數位化 影象的取樣不可能使...
人臉檢測演算法
人臉識別各 參考 知乎乙個欄目 首先介紹一下常用人臉檢測的常用資料庫 每張影象的人臉數量偏少，平均1.8人臉 圖，絕大多數影象都只有一人臉 資料集完全公開，published methods通常都有 大部分都開源 且可以復現，可靠性高 unpublished methods沒有 沒有 無法確認它們的...