【背景建模】PbModel

　　PbModel是基於機率模型的背景差分算法，其基本思想是像素點會因光照變化、運動物體通過產生多種顏色值，可是一段時間內，像素點處於靜止狀態的時間會比處於運動狀態的時間長。於是一段時間內，像素點某個顏色值出現的機率會高於其餘顏色值，高几率的顏色值即爲該像素點的背景值。

創新點

1.關注基於機率的背景模型的內存佔用率和計算複雜度

　　基於機率的背景模型是經常使用的背景建模方法，可是現有一些算法，其內存佔用率高，計算複雜度大。

　　該算法利用聚類減小內存佔用率，將像素點可能出現的顏色值，按距離聚類，以聚類中心代替顏色值，從而減小內存佔用率。

　　利用不固定長度的幀序列創建背景模型，因爲許多像素點通常都處於靜止狀態，只須要少許的幀序列就能夠肯定高几率的顏色值（即背景值），選取一個計算初始幀序列長度，從而肯定大部分的背景值，而後針對少許的背景值，繼續統計，並減少判斷是否爲高几率的閾值，保證算法的收斂，最終創建起完整的背景模型。

2.關注於前景檢測的斷定閾值

　　分析背景差分圖像的直方圖信息，利用直方圖的變化曲線來肯定斷定閾值，採用直方圖變化曲線的波谷位置做爲斷定閾值。

基本框架圖

主要步驟：

1.創建背景模型

　　1).初始化像素的聚類集合，C表示聚類裏包含像素的數目，n_xy表示聚類標號，x、y表示像素點位置。

　　

　　2).計算當前像素與像素聚類集合的距離，並計算最小距離和對應的聚類。

　　

　　3).判斷最小距離是否小於閾值，若小於，則更新對應聚類，不然，新建一個聚類，添加到聚類集合中。

　　

　　4).判斷是否到初始幀序號Fn，若達到，則計算像素各個聚類的機率，並求最大機率的聚類，不然，繼續跳轉步驟2)處理下一幀。

　　

　　5).判斷最大機率是否大於閾值，若大於，則設置對應聚類的中心爲該像素點的背景值。

　　6).調整背景建模速度，根據幀序號調整閾值大小，幀序號越大，閾值越小。

　　

　　7).跳轉步驟2)處理下一幀，直到全部像素點的背景值肯定。

2.前景檢測過程

　　1).計算當前幀序與背景的差分圖像。

　　2).計算差分圖像的直方圖信息。

　　3).平滑各個通道的直方圖信息。

　　

　　4).計算各個通道的閾值大小。

　　

　　5).計算差值圖像的閾值。

　　6).利用閾值斷定像是否爲前景。

　　

3.背景模型更新

　　背景模型更新採用簡單的圖像混合算法，利用新像素值和背景模型的像素值的加權和，替換背景模型的像素值。

　　

　　其中，(R_s,G_s,B_s)爲當前像素值，(R_B,G_B,B_B)爲背像像素值，n爲背景模型更新學習因子控制參數。

參考資料：

A Robust Object Segmentation System Using a Probability-Based Background Extraction Algorithm