一、概述
二、碼本背景模型建立
本演算法採用量化的方法來構建背景模型，針對每乙個畫素點連續取樣值的顏色距離和亮度範圍為每個畫素點構建乙個碼本，根據取樣值的變化情況，每個碼本中碼字的個數不同。
假設訓練序列中單個畫素的序列取樣值為：x=，它其中的每乙個元素都是乙個rgb 向量。設c= 為該畫素的碼本，碼本中含有l個碼字。每個畫素的碼本都是不同的，主要是由訓練序列中該畫素點的取樣值變化決定的。每個碼字ci(i=1,...l) 由兩部分組成：rgb 向量 vi=(ri，gi，bi) 和 auxi = ，碼字中各元素的含義：
i:碼字中最小最大亮度值；
f: 碼字出現的頻率;
t: 訓練階段該碼字沒有出現的最大時間間隔；
p,q: 碼字第一次出現和最後一次出現的時間。
碼本訓練階段每乙個取樣值 xt(1<= t <= n) 都和已有的碼字進行比較，找到（ 如果存在） 最匹配的碼字 cm 與其匹配，將匹配的碼字進行更新；如果找不到匹配碼字，則為其建立乙個新的碼字存入碼本中。碼本提取演算法詳細過程如下：
步驟一：初始化，將每個畫素的碼本置空，每個碼本中碼字的個數為零，即 l=0 。
步驟三：如果碼本為空或者未找到匹配的碼字，則令 l=l+1 並建立乙個碼字cl:
否則，更新匹配的碼字cm，設cm 的內容為vm=(rm，gm，bm)，
步驟四：訓練結束後，計算該畫素每個碼字沒有出現的最大時間間隔，對於ci(i=1,...l)：
利用 t 來消除冗餘的碼字，得到最能代表真實背景的初始碼本m = ，k 為碼字的索引。其中，閾值tm通常取訓練幀數的一半，即n /2 表示所有代表背景的碼字至少在最近 n/2 幀中出現過。
步驟二中兩個條件的滿足情況是 xt 與 cm 的顏色向量非常接近，並且 xt 的亮度在 cm 可接受的範圍內。引入時間準則 t 是由於訓練過程中碼字存在冗餘，其中有一些碼字可能代表雜訊和前景運動目標。通過精簡碼本，從而得到最真實的背景。
背景建模演算法 平均背景建模 單高斯背景建模C實現
顏色背景建模的基本原理 對影象中每個畫素的顏色值 灰度或彩色 進行建模。若當前影象座標 x,y 上的畫素顏色值與背景模型中 x,y 處的畫素顏色值有較大差異，當前畫素被認為是前景，否則為背景。平均背景建模是一種簡單，計算速度快但是對環境光照變化和背景的多模態性比較敏感的一種備件建模演算法。基本思想 ...
PBAS（背景建模）
pixel basedadaptivesegmenter pbas 檢測演算法，從思路和框架上看，該演算法是結合了 sacon 和vibe 兩個演算法的優勢，並進行了一些細微的改進而成的，演算法在檢測效能上優於 sacon 和vibe 創新點 1 引入控制論的思想，使前景判斷閾值和背景模型更新率自適...
SOBS（背景建模）
sobs self organizingthrough artificial neuralnetworks 是一種基於自組織神經網路的背景差分演算法，主要是借鑑神經網路的特性，乙個網路輸入節點，對應多個中間節點，將背景模型中的乙個畫素對映到模型的多個位置，並採用了畫素鄰域空間相關的更新方式，使鄰域的...