codebook背景建模原理

        CodeBook（码本）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)（码字，或者是码元：CodeElement）组成。CB和CW的形式如下：

        CB = { CW1, CW2, … CWn, t };
        CW = { learnHigh, learnLow, max, min, t_last_update, 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learnHigh和learnLow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_update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learnHigh，learnLow满足learnLow ≤ I(x,y) ≤ learnHigh，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)，learnHigh = I(x,y) + Bounds，learnLow = I(x,y) – Bounds，并且转到(6)；
        (4) 更新该码字的t_last_update，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learnHigh < I(x,y) + Bounds，则learnHigh 增长1，若learnLow > I(x,y) – Bounds，则learnLow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。
        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：
        (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。

转载于：http://blog.sina.com.cn/s/blog_c3004d7d0101kpra.html  （转载时有修改）

源出处：K. Kim, T. H. Chalidabhongse, D. Harwood and L. Davis, "Real-time Foreground-Background     Segmentation using Codebook Model", Real-time Imaging, Volume 11, Issue 3, Pages 167-256, June 2005.