背景建模--基于码本背景建模

一、概述

        码本模型是 Kim 等提出的一种新颖的背景建模方法。该模型针对彩色视频图像序列，根据像素点的连续采样值的颜色失真程度及其亮度范围，将背景像素用码本表示，然后利用背景差分法思想对新输入像素值与其对应码本做比较判断，从而提取出前景目标像素。它不同于差分和均值滤波等方法，因为它被比较的背景模型值不只一个；也不同于混合高斯和非参数估计等方法要计算概率分布。码本模型为每一个背景像素点创建一个码本，且码本随着其中码字的更新而更新，所有像素点的码本构成一个完整的背景。

二、码本背景模型建立

         本算法采用量化的方法来构建背景模型，针对每一个像素点连续采样值的颜色距离和亮度范围为每个像素点构建一个码本，根据采样值的变化情况，每个码本中码字的个数不同。

         假设训练序列中单个像素的序列采样值为：X={x1，x2，...，xn}，它其中的每一个元素都是一个RGB 向量。设C={c1，c2，...，cl} 为该像素的码本，码本中含有L个码字。每个像素的码本都是不同的，主要是由训练序列中该像素点的采样值变化决定的。每个码字Ci(i=1,...L) 由两部分组成：RGB 向量 vi=(Ri，Gi，Bi) 和 auxi = <I, I, f, t, p, q>，码字中各元素的含义：

         I:码字中最小最大亮度值；
         f: 码字出现的频率;
         t: 训练阶段该码字没有出现的最大时间间隔；
         p,q: 码字第一次出现和最后一次出现的时间。

         码本训练阶段每一个采样值 xt(1<= t <= N)  都和已有的码字进行比较，找到（ 如果存在） 最匹配的码字 Cm 与其匹配，将匹配的码字进行更新；如果找不到匹配码字，则为其创建一个新的码字存入码本中。码本提取算法详细过程如下：

         步骤一：初始化，将每个像素的码本置空，每个码本中码字的个数为零，即 L=0 。

         步骤二：对于训练视频帧中的每个像素的序列采样值 X={x1，x2，...，xn} 中每一个值 xt = RGB(Rt，Gt，Bt)：定义其亮度值 I=R+G+B 并根据以下两个条件来找出匹配的码字Cm。

                                       

          步骤三：如果码本为空或者未找到匹配的码字，则令 L=L+1 并创建一个码字Cl:

                                          

          否则，更新匹配的码字Cm，设Cm 的内容为vm=(Rm，Gm，Bm)，

                        

           

         步骤四：训练结束后，计算该像素每个码字没有出现的最大时间间隔，对于Ci(i=1,...L)：

                        

       利用 t 来消除冗余的码字，得到最能代表真实背景的初始码本M = {Ck | Ck 属于C，tk < Tm} ，k 为码字的索引。其中，阈值Tm通常取训练帧数的一半，即N /2 表示所有代表背景的码字至少在最近 N/2  帧中出现过。

        步骤二中两个条件的满足情况是 Xt 与 Cm 的颜色向量非常接近，并且 Xt 的亮度在 Cm 可接受的范围内。引入时间准则 t 是由于训练过程中码字存在冗余，其中有一些码字可能代表噪声和前景运动目标。通过精简码本，从而得到最真实的背景。