基于LBP、颜色模式的前景提取:MultiLayerBGS

本篇主要探讨的是包含动态背景的监控视频下前景提取的问题，例如树叶摇动、水波动、窗帘晃动、喷泉变化等。

由于改进的ViBe 方法对动态背景鲁棒性较差，我们采用基于MultiLayerBGS 算法来处理此类问题。该算法主要是通过提取局部二值模式（ local binary pattern ， LBP ） 和鲁棒的光度颜色模式（Photometric Invariant Color），以此作为特征的背景不仅能处理光照变化问题，也能很好的消除前景物体的影子，同时，这种算法也能很好的处理动态背景下背景被误识别为前景的情况。

局部二值模式

LBP 是一种描述图像局部纹理特征的算子，目前已经被广泛应用于各领域。它具有旋转不变性以及灰度不变性等显著优点，并且在计算效率上的优势使它更适合于图像处理方面的任务。

a. LBP 特征的描述

基本的LBP 算子设置了3*3 的矩形窗口，以窗口的中心像素作为阈值，其他8 个像素点大于阈值时置为1，小于阈值则置为0。通过此步骤，窗口中的8 个像素经过比较产生了8 位2 进制数（一般情况下会将其转换为十进制，范围是0到256），并以此作为窗口中心像素的LBP 值，并用这个值来反应该区域的纹理信息。由于是通过相互比较得出LBP 值，因而对于光照的影响具有较大的鲁棒性。

原始LBP 算子最大的缺陷在于它的计算过程只覆盖了周围很小的区域，为了处理不同规模的纹理特征，Ojala 等人[11]对LBP 算子进行了相应的改进，将3*3的窗口扩展为任意尺寸，并且放弃了矩形窗口，改为圆形。同时，改进后的LBP算子允许在圆形邻域内获取多个采样点（具体的采样点数目视不同情况而定）。当采样点没有落在像素的中心时，使用双线性差值算法由其周围像素获得其近似值。如下图，我们使用符号（P,R）来表示改进的LBP 算子，其中，P 表示圆形邻域内的采样点个数，R 则表示圆的半径。下图 展示了不同半径不同采样点的LBP 算子。当采样点没有落在像素中心时，采用双线性差值算法获取其近似值。

b.

  b、鲁棒的光度颜色模式

当前景信息和背景信息拥有相似的纹理信息时，LBP 特征就不能很好的处理背景模型的构建问题，通过在RGB 空间中使用鲁棒的光度颜色模式（PhotometricInvariant Color），我们可以很好地处理这一问题。当光照发生变化时，像素的三通道数值通常是朝着像素原点方向变化，或者背着像素原点方向变化。所以在比较像素差异时，我们通过比较它们的相对夹角来衡量它们的不同。

背景模型的建立

在构建背景模型时，我们同时使用了纹理信息以及颜色信息来表征背景。颜色信息虽是针对彩色视频，但稍加修改便可以用于灰度视频。令It{t=1,…N}表示视频帧中的一系列帧图像，对每一个像素x，存在k 种不同的模式，即：