【OpenCV】码书（CodeBook）基本原理介绍女模特之死
1. CodeBook的来源
先考虑平均背景的建模⽅法。该⽅法是针对每⼀个像素，累积若⼲帧的像素值，然后计算平均值和⽅差，以此来建⽴背景模型，相当于模型的每⼀个像素含有两个特征值，这两个特征值只是单纯的统计量，没有记录该像素值的历史起伏，即没有考虑时间序列和噪声⼲扰，不具备鲁棒性，因此建模时不能有运动前景的部分，要求光线保持不变。 如果我们考虑到时间起伏序列建模，⽐如利⽤60帧图像建模，对于每⼀个像素点会产⽣60个像素值，分别给他们加上60个相关的权值，或者进⼀步统计不同像素值出现的频次或者距离，以此来排除噪声，这样能够模拟复杂的背景，但是会带来巨⼤的内存消耗。
如果我们对该像素值起伏的动态范围进⾏压缩，压缩的依据是像素值之间的⼤⼩距离，即当前观测值与历史的记录值对⽐，如果两个值接近，就归为⼀类，也就是⾪属同⼀个码元（CodeWord），如果差别过⼤，就以当前观测值新建⼀个码元，因为背景的变化情况远⼩于前景，所以压缩之后我们就得到了只含有若个码元的⼀个编码本（CodeBook），这个编码本不仅能够模拟复杂背景，同时⼤⼤减少内存消耗。此外，对每个码元的更新频率进⾏监督，剔除那些频率低的（误跑进来的动态前景），不仅排除了噪声，同时也允许有移动前景的背景当做学习资料。这便是CodeBook的核⼼思想。
2. CodeBook的实现
CodeBook执⾏前景分割主要分为三个过程，即背景建模、清除陈旧码元、前景分割，分别对应如下三个函数updateCodeBook(), clearStaleEntries(), backgroudDiff()。
2.1 结构及主要参数
CodeBook算法为当前图像的每⼀个像素建⽴⼀个CodeBook(CB)结构，每个CodeBook结构⼜由多个码元CodeWord(CW)组成。 CB和CW的形式如下：
CB={CW1,CW2,…CWn,t}
CW={learnHigh[],learnLow[],max[],min[],t_last_updata,stale}
其中n为⼀个CB中所包含的CW的数⽬，当n太⼩时，退化为简单背景，当n较⼤时可以对复杂背景进⾏建模。CW是⼀个6元组结构，在整个算法流程中，主要包括以下参数：
maxMod[]：⽤训练好的背景模型进⾏前景分割时的调节量，判断点是否⼩于max[] + maxMod[])；
minMod[]：⽤训练好的背景模型进⾏前景分割时的调节量，判断点是否⼩于min[] -minMod[])；
cbBounds[]：训练背景模型时⽤到，相当于控制模型的增长速率，更新learnHigh[]和learnLow[]。
铂热电阻
learnHigh[]：背景的学习上界限，当新像素进来时判断其是否属于该码元；
learnLow[]：背景的学习下界限，当新像素进来时判断其是否属于该码元；
秩和比法
max[]: 背景学习中不断更新，记录当前码元的最⼤值，在前景分割时，与MaxMod[]配合，判断像素是前景还是背景;
min[]: 背景学习中不断更新，记录当前码元的最⼩值，在前景分割时，与MinMod[]配合，判断像素是前景还是背景;
此外，为了剔除陈旧码元，给每个CB和CW都加⼊了若⼲时间标签，⽐如CB的t，记录CB更新的次数，CW的t_last_updata和
stale，t_last_updata记录了该CW上次更新的时间，stale记录了CW的搁浅时间，stale=t-l_last_updata。
2.2 背景建模
遍历每⼀个像素，假设针对某个像素I(x,y)，遍历其对应的CodeBook的每⼀个码元，分通道检测learnHighI(x,y)learnLow？如果满⾜条件，则更新该码元的t_last_updata，若max<I(x,y)，更新max=I(x,y), 若min>I(x,y), 更新min=I(x, y)，若
learnHigh<I(x,y)+cbBounds，缓慢增加学习上限learnHigh+1, 若learnLow>I(x,y)-cbBounds，降低学习下线learnLow-1。
如果不满⾜条件，则创建⼀个新的码元,learnHign=I(x,y)+cbBounds，learnLow=I(x,y)-cbBounds, max=min=I(x,y)。
更新所有的时间标签。
2.3 清除陈旧码元
品德与社会教学反思 背景建模⼀段时间后，需要定期清除陈旧码元，针对每⼀个CodeBook，根据经验将其时间t的⼀半当做阈值，遍历所有码元，将与之对应的时间标签stale与阈值⽐较，⼤于阈值的则删除，阈值之内的保留，同时更新时间标签。
2.4 前景分割
前景分割也就是利⽤训练好的CodeBook进⾏运动检测，遍历该像素对应的CodeBook的所有码元，如果其中⼀个码元满⾜当前像素
I(x,y)min-minMod且I(x,y)max+maxMod，则判断该像素属于背景，如果⼀个条件不满⾜，则属于前景。
3. CodeBook算法流程介绍
CodeBook算法的基本思想是得到每个像素的时间序列模型。这种模型能很好地处理时间起伏，缺点是需要消耗⼤量的内存。CodeBook算法为当前图像的每⼀个像素建⽴⼀个CodeBook(CB)结构，每个CodeBook结构⼜由多个CodeWord(CW)组成。
CB和CW的形式如下：
CB={CW1,CW2,…CWn,t}
CW={lHigh,lLow,max,min,t_last,stale}
其中n为⼀个CB中所包含的CW的数⽬，当n太⼩时，退化为简单背景，当n较⼤时可以对复杂背景进⾏建模;t为CB更新的次数。CW是⼀个6元组，其中IHigh和ILow作为更新时的学习上下界，max和min
记录当前像素的最⼤值和最⼩值。上次更新的时间t_last和陈旧时间stale(记录该CW多久未被访问)⽤来删除很少使⽤的CodeWord。
假设当前训练图像I中某⼀像素为I(x,y)，该像素的CB的更新算法如下，另外记背景阈值的增长判定阈值为Bounds：
(1) CB的访问次数加1；
(2) 遍历CB中的每个CW，如果存在⼀个CW中的IHigh，ILow满⾜ILow≤I(x,y)≤ IHigh，则转(4)；
(3) 创建⼀个新的码字CWnew加⼊到CB中, CWnew的max与min都赋值为I(x,y)， IHigh <- I(x,y) + Bounds，ILow <- I(x,y) –Bounds，并且转(6)；
(4) 更新该码字的t_last，若当前像素值I(x,y)⼤于该码字的max，则max <- I(x,y)，若 I(x,y)⼩于该码字的min，则min <- I(x,y)；
(5) 更新该码字的学习上下界，以增加背景模型对于复杂背景的适应能⼒，具体做法是： 若IHigh < I(x,y) + Bounds，则IHigh 增长1，若ILow > I(x,y) – Bounds，则ILow 减少1；
(6) 更新CB中每个CW的stale。
使⽤已建⽴好的CB进⾏运动⽬标检测的⽅法很简单，记判断前景的范围上下界为minMod和maxMod，对于当前待检测图像上的某⼀像素I(x,y)，遍历它对应像素背景模型CB中的每⼀个码字CW，若存在⼀个CW，使得I(x,y) < max + maxMod并且I(x,y) > min –minMod，则I(x,y)被判断为背景，否则被判断为前景。
无锡日报女记者章莹
在实际使⽤CodeBook进⾏运动检测时，除了要隔⼀定的时间对CB进⾏更新的同时，需要对CB进⾏⼀个时间滤波，⽬的是去除很少被访问到的CW，其⽅法是访问每个CW的stale，若stale⼤于⼀个阈值（通常设置为总更新次数的⼀半），移除该CW。
综上所述，CodeBook算法检测运动⽬标的流程如下：张君劢
(1) 选择⼀帧到多帧使⽤更新算法建⽴CodeBook背景模型；
(2) 按上⾯所述⽅法检测前景（运动⽬标）；
(3) 间隔⼀定时间使⽤更新算法更新CodeBook模型，并对CodeBook进⾏时间滤波；
(4) 若检测继续，转(2)，否则结束。
Love is everywhere.
爱⽆处不在。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议