背景建模--Vibe 演算法優缺點分析

一、Vibe 演算法的優點

       Vibe背景建模為運動目標檢測研究鄰域開拓了新思路，是一種新穎、快速及有效運動目標檢測演算法。其優點有以下兩點：

       1、思想簡單，易於實現。Vibe通常隨機選取鄰域20個樣本為每個像素點建立一個基於樣本的背景模型，具有初始化速度快、記憶體消耗少和佔用資源少等優點，隨後，利用一個二次抽樣因子φ，使有限的樣本基數能近似表示無限的時間視窗，即在較少樣本前提下，保證演算法的準確性，最後，並採用一種領域傳播機制保證演算法的空間一致性。

       2、運算效率高。有兩方面的原因：一是Vibe背景模型是基於少量樣本的背景模型，二是最佳化了背景模型中的相似性匹配演算法。Vibe背景模型是一種基於N個樣本的背景模型，為得到最佳N值，分別選取N為5、15、20、25進行了實驗對比，如圖3.3所示，實驗結果表明，N取20、25時，檢測結果理想，考慮計算負載，N取20最優。與混合高斯的3-5個高斯模型的計算匹配比較，基於20個樣本的背景模型計算具有計算開銷低、檢測速度快等優點。Vibe的背景模型相似性匹配函數只與R和Umin 有關，背景模型中的樣本與待分類像素的歐式距離小於R的個數超過Umin 時，匹配背景模型，判斷為背景，在實際實現過程中，最佳化演算法，一旦找到Umin 個匹配樣本時，停止計算，判斷待分類像素為背景，該方法大大減少了整個演算法的計算量，從而提高運算效率。

                                   

        3、樣本衰減最優。有人通過增加樣本基數（上至200個）來處理複雜情境，也有人結合兩個子模型分別處理快速更新和緩慢更新的情況。其實，選取被替換樣本更新背景模型，實質上是樣本壽命問題，傳統方式採用先進先出的替換策略。Vibe背景模型中每個樣本被選中為替換樣本的機率是相等的，與樣本存在時間的長短無關，這種策略保證背景模型中的樣本壽命呈指數衰減，模型更新達到最佳狀態。

二、Vibe 演算法的缺點

       Vibe背景建模有思想簡單、易於實現、運算效率高等優點，但演算法自身也存在著局限性。主要有鬼影、靜止目標、陰影前景和運動目標不完整等問題。

       第一個問題：鬼影問題。如圖3.4所示，Vibe背景建模利用第一幀作為初始幀初始化背景模型，圖(d)是圖(c)用Vibe演算法檢測到的結果，因第一幀（如圖(b)所示）中存在著運動目標，並非真實的背景映像（如圖(a)所示），檢測結果中出現鬼影，如圖3.4(d)所示。產生鬼影的根源可歸納為兩類：（1）背景模型的初始幀存在著運動目標；（2）運動目標的狀態轉變，從靜止到運動，背景模型的更新速率無法與背景變率相同步，出現虛假目標，即鬼影。

                                   

            第二個問題：靜止目標問題。如圖3.5所示，圖(a)紅框中的人在等地鐵，從圖(a)到圖(c)經過498幀，長時間駐留未運動，該人物運動目標逐漸被背景吸收。本文將在450幀以上都沒有明顯位移的運動目的地區域定義為靜止目的地區域。產生靜止目標問題的根源可歸納為兩類：（1）運動目標從運動到靜止，（2）運動目標運動緩慢。當Vibe背景模型的更新速度過快時，將靜止或緩慢運動目標吸收為背景的一部分，此時這兩種運動目標就檢測不出來了。

                           

        第三個問題：陰影前景問題。如圖3.6所示，圖(b)和圖(d)分別是用Vibe 演算法對人體運動目標(a)和車體運動目標(c)的檢測結果，由於光線被人體或車體運動目標所遮擋，投射陰影區的背景被誤檢為運動目標前景。陰影的存在導致檢測出來的運動目標形狀不準確，影響後續目標分類、跟蹤、識別和分析等其他智能視頻處理模組。產生陰影前景問題的根源是：光線被運動目標前景遮擋，投射陰影區的顏色比背景的顏色暗，即陰影和背景顏色值的距離相差較大，背景差分後被誤檢為運動目標前景。

                                  

        第四個問題：運動目標不完整問題。如圖3.7所示，圖(a)中的人內部出現空洞，圖(b)中的人中間出現斷層，圖(c)中的人上半身出現邊緣殘軀，圖(d)車體的擋風玻璃出現空洞。運動目標通常可分為非剛性物體和剛性物體，人屬於非剛性物體，車屬於剛性物體，這兩種常見檢測對象的檢測結果都出現了不完整現象。總結圖3.7的實驗結果，可將運動目標不完整現象分為三類：a）運動目標內部有大量空洞。（b）運動目標邊緣殘缺，呈現C字型凹陷。（c）運動目標中間有斷層。

                  

       產生運動目標不完整問題的根源主要有以下兩點：（1）Vibe演算法自身存在缺陷。基於統計學原理的Vibe樣本模型受限於模型的樣本個數，當樣本趨於無窮大時才能準確描述情境，這在實際應用中是不可能實現的；（2）情境或運動目標的 複雜性和多變性。主要有三種情況：1）瞬時的光線突變，背景模型來不及更新，2）前景與背景顏色相近，將前景誤判為背景，3）雜訊幹擾，出現孤立雜訊點和連通雜訊地區。