基于LBP的背景建模算法
标签：算法
2012-07-06 18:17 3241人阅读 (13)
分类：
算法学习（14）
版权声明：本文为博主原创文章，未经博主允许不得转载。
背景建模的方法很多很多！各种方法都有自己的优缺点！这里简要的介绍一下基于GMM+LBP的背景建模方法。
一. 背景建模算法
作为背景建模的算法，应用于视频的实时监控时，必须满足以下几个条件：
1) 能够适应光照的变化，树叶的摆动，可以抗干扰。
2) 能够应对背景信息均值和方差的大幅度变化，针对于这一点，人们常常用多模型进行处理，比如采用混合高斯背景建模。
3) 能够处理运动物体的阴影，对于树荫下的运动目标也有一定的检测能力
4) 运算的速度快，可以实时监测 。目前常见的视频流是25fps，因此一幅图像的实际处理时间只有40ms，因此处理算法必须越简单越好。
二．LBP背景建模算法
相比较而言，采用基于LBP的背景建模算法存在着以下几个方面的优点：
1) 灰度单调的变化不会导致LBP值发生改变
这样光照的变化，不会改变整个图像的LBP值，因此可以很好的抑制光照的变化以及相机的微小抖动，但当目标很大的时候，也会出错，导致漏检。
2) 计算速度快。对于352*288的图像，在不降采样率的条件下，也能达到15mspf的速度，这个要优于混合高斯模型
3) 能够实时的跟踪快速运动的目标，对于小目标也有较好的效果
4) 对噪声有很好的抑制，不会出现高斯背景建模时出现的斑点噪声，因此无需滤波操作，节省了时间。
5) 它对于光照的变化、摇摆的树木、起伏的湖面和闪烁的监视器这些复杂的情况，还有背景中有新的物体进入或者旧的物体移出这些情况都有很好的适应性，
6）缺点是没有解决运动阴影的问题。
三．LBP的计算
1. 计算过程
最基本的LBP算子是将中心像素和其3×3的邻域内的各个像素进行比较，如果邻域像素的灰度值大于等于中心像素的灰度值，则置该邻域像素在LBP二进制值序列中的值为1，否则置为0。最后由3×3邻域的8个像素经过此运算得到一个按一定次序排列后形成的八位二进制数，将此值的十进制数作为此像素点的LBP值，其大小范围为0~255。
最近准备把之前看的关于码本关于GMM的背景建模算法整理下，和大家分享分享
基于LBP的背景建模算法
标签：算法
2012-07-06 18:17 3241人阅读 (13)
分类：
算法学习（14）
版权声明：本文为博主原创文章，未经博主允许不得转载。
背景建模的方法很多很多！各种方法都有自己的优缺点！这里简要的介绍一下基于GMM+LBP的背景建模方法。
一. 背景建模算法
作为背景建模的算法，应用于视频的实时监控时，必须满足以下几个条件：
1) 能够适应光照的变化，树叶的摆动，可以抗干扰。
2) 能够应对背景信息均值和方差的大幅度变化，针对于这一点，人们常常用多模型进行处理，比如采用混合高斯背景建模。
3) 能够处理运动物体的阴影，对于树荫下的运动目标也有一定的检测能力
4) 运算的速度快，可以实时监测 。目前常见的视频流是25fps，因此一幅图像的实际处理时间只有40ms，因此处理算法必须越简单越好。
二．LBP背景建模算法
相比较而言，采用基于LBP的背景建模算法存在着以下几个方面的优点：
1) 灰度单调的变化不会导致LBP值发生改变
这样光照的变化，不会改变整个图像的LBP值，因此可以很好的抑制光照的变化以及相机的微小抖动，但当目标很大的时候，也会出错，导致漏检。
2) 计算速度快。对于352*288的图像，在不降采样率的条件下，也能达到15mspf的速度，这个要优于混合高斯模型
3) 能够实时的跟踪快速运动的目标，对于小目标也有较好的效果
4) 对噪声有很好的抑制，不会出现高斯背景建模时出现的斑点噪声，因此无需滤波操作，节省了时间。
5) 它对于光照的变化、摇摆的树木、起伏的湖面和闪烁的监视器这些复杂的情况，还有背景中有新的物体进入或者旧的物体移出这些情况都有很好的适应性，
6）缺点是没有解决运动阴影的问题。
三．LBP的计算
1. 计算过程
最基本的LBP算子是将中心像素和其3×3的邻域内的各个像素进行比较，如果邻域像素的灰度值大于等于中心像素的灰度值，则置该邻域像素在LBP二进制值序列中的值为1，否则置为0。最后由3×3邻域的8个像素经过此运算得到一个按一定次序排列后形成的八位二进制数，将此值的十进制数作为此像素点的LBP值，其大小范围为0~255。
最近准备把之前看的关于码本关于GMM的背景建模算法整理下，和大家分享分享