codebook码本算法

opencv学习笔记（四）——codebook算法

codebook算法从原理上讲仍然属于背景差分。他的背景建模有聚类的思想，他是用一个码本(codebook)cb来描述一个像素p，cb中包含着若干码元(code element)ce，这些ce就是该像素点p的一个聚类，码本算法背景建模的过程就是要构建像素的一个个聚类，即码本。

数据结构

typedef struct
{
code_element **cb;//码元的指针数组
int num_Enterties;//记录有多少个码元
int t;//记录该像素的当前时间
}code_book;

typedef struct ce 
{
uchar learnHigh[NCHANNELS];//学习阀值
uchar learnLow[NCHANNELS];
uchar max[NCHANNELS];//码元吸收的像素点中最大像素值
uchar min[NCHANNELS];//同上，这两个阀值用于最后判断前景背景时使用
int t_last_update;//最后更新时间
int stale;//多久没有更新
int updated;
int f;//频数
}code_element;

（代码是learning opencv中的代码）

背景建模过程

码本算法的背景建模过程是一个统计的过程，即它会在建模阶段将某点出现的可能的像素值进行统计，根据其出现的某种特征属性，设定阀值进行判断，符合条件的像素值即可作为背景像素。
例如，要进行建模的帧数为5帧（为举例方便，一般建模应该在一秒以上，30帧左右，当然不是建模所用的帧数越多越好），在这5帧中相同的某点p(x,y)，像素取值依次是pi =  {135,140,200,145,135}（此处假设所建模的对象是单通道的灰度图），那么在建模过程中，当第一帧像素值135到来时，由于p点对应像素值的码本没有码元，那么久新建一个码元，并为该码元赋值，设定code_element的各项属性值，第二帧到来后，140像素值会和已有的第一个码元进行匹配比较，在码元中有一对属性值learn_high和learn_low，这对属性值规定了该码元能“融合”的像素值范围，当满足条件135-learn_low < 140 < 135+learn_high时，即可将140像素融合，若不满足则为140像素新建一个码元，此处假设learn_high和learn_low均为10，那么可融合140，融合后更新该码元的一些数据，例如出现频数f要加1，stale最久未更新时间，他是最后更新时间t_last_update和当前时间t的差值，同理之后的第3、4、5帧按此过程，被融合或者新建码元，会发现只有像素200没有被融合，自己新建了一个码元。当匹配完后，就要进入下一个阶段——剔除噪声码元，剔除的依据是设定合理的阀值，若不满足条件则认为是噪声，剔除依据的属性可以使频数f或者最久未更新时间stale，或者是二者的组合条件，具体使用什么样的剔除方法，要根据自己想要的结果进行选择，此处设立条件为f > t/2，即如果一个码元的更新频数如果小于一半建模帧数就认为它是噪声，将其删除，即认为该码元出现的次数太少，不认为他是长时间保持稳定不变的背景像素。那么，经过剔除的码元即是可以合理描述背景的码元。
其他位置的像素点也是依照上述的方法，建立起合理的背景码元模型。

识别前景物体

差分背景。其实这一步，和建立背景模型中的匹配码元是一样的。将要检测的帧的像素和对应位置的背景模型的像素码元进行匹配，如果匹配则说明该点是背景点，如果不匹配则说明改点是前景点，就这么简单！

（learning opencv源码中有一处内存泄露的问题，还有一个剔除不适合码元规则选用不当的问题，希望正在学习的小伙伴多多交流！）