一、更新原則
背景模型的更新策略是背景模型設計中最關鍵的技術。在模型更新時應當注意如下兩條原則：
(a) 背景模型對背景變化的響應速度要足夠快。背景的變化可能是：
①由光照變化等因素引起的背景本身顏色的變化；
②背景區域的變化，如前景和背景的相互轉化，即某個物體由運動轉為靜止或由靜止轉為運動（如停車場的汽車停下或開走）而導致前景物體被「融入」到背景中或背景的一部分「逃逸」而出轉而成為前景。如果背景模型不能迅速跟上實際背景的變化，檢測結果中就會出現大範圍的雜訊或不合理的長時間靜止前景物體（如圖2-a 中靜止的汽車啟動後留下的「影子」）。
(b) 背景模型對運動目標要有較強的抗干擾能力。因為在背景模型的更新過程中，對背景模型上的每點而言都是受到了乙個顏色序列的「訓練」，不論實際場景中該點是處於靜止背景上還是在運動目標上。靜止的背景或目標的這種「訓練」是我們所希望的，而運動目標的「訓練」則是不希望看到的。特別是當運動物體尺度較大或運動較慢時，這種長時間的「訓練」可能會引起錯誤的檢測結果，如在運動目標的尾部產生「空洞」，特別是兩個顏色相近的物體交錯而過時更加明顯（圖2-b）。
在單/多高斯分布背景模型中，更新率 α 和權值更新率 β 都反應了模型更新的速度快慢。在單高斯分布背景模型中，較大的α 符合原則（a ）卻不符合原則（b）的要求，較小的α 則剛好相反。實驗表明，很多時候無法找到乙個合適的α 能同時滿足兩方面的要求。一種比較容易想到的改進是賦予背景點較大的更新率，而賦予前景點較小的更新率。這種更新方式可以符合原則（b ），但很多時候對（a）中情形②的效果很差，因為這時靜止的前景點會由於更新率過小而很難被「融入」到背景中。
為了解決這個問題，我們將背景模型更新與後面的跟蹤結果相結合，賦予背景點和靜止的前景點（靜止目標）較大的更新率，而賦予運動的前景點（運動目標）較小的更新率。這實際上是用運動目標跟蹤的結果來指導更新。經過這種改進可以在保護背景模型不受運動目標影響的同時迅速響應背景的變化。
多高斯分布的背景模型在這些問題上的表現要比單高斯分布背景模型好得多。因為它本身有多個高斯分布，判定前景/背景並不單單依賴於某個高斯分布，更依賴於各個分布的權值和優先順序。對（a）中的情形②，它可以通過引入新的高斯分布解決；對（b），由於只有相匹配的高斯分布的高斯引數才得到更新，所以受運動物體的干擾也不是那麼嚴重。但它的不足依然存在，因為它並沒有對（a ）中靜止目標的情況作特別處理，也沒有考慮到（b ）中的不同「訓練」之間的區別。在測試實驗中，它對背景變化的響應速度比較慢，大而慢的運動目標仍然容易帶來「空洞」。我們對它的改進與對單高斯分布背景模型的改進相似，仍然是對背景點、靜止前景點、運動前景點的更新率區別對待，只是作用的引數變成了權值更新率β ，而不是高斯分布引數的更新率α 。
背景建模 基於碼本背景建模
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...
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...