open学习(3) codebook

最近看书效率低下啊。。

看了《学习opencv》的codebook这一段。其实这个代码倒是蛮容易看懂的，大致思想可能如下（有可能自己理解有误，有点出入的地方）：

1.对每一个像素构建一个codebook，每个codebook由一个codebox的序列和一些其他的信息所构成。codebox里面包含的信息由：{学习阈值的上界learnHigh，学习阈值的下届learnLow，box的实际上界Max，box的实际下界Min，最近一次更新时间t_last_update，用于判断是否negative run（有点没懂）的界限stale}。

2.接着就是背景学习过程，大致步骤如下：

1）对于一个像素，遍历它的codebook的每一个codebox，若存在一个codebox使得该像素各个通道的值都在学习阈值内，则转（2）；否则（4）

2）更新该box的t_last_update，并且更新各个通道的实际box上下界：cb->max=(cb->max<p)?p:cb->max;cb->min=(cb->min>p)?p:cb->min;

3）若该像素值+/- 一个学习界值cbBounds（通常为10）超过或低于该box的学习阈值上下界，那就学习阈值上下界分别加减1；转（5）

4）添加一个新的box，box的上下界都为该像素各个通道的值，而学习阈值的上下界为像素值+/-cbBounds；

5）更新全体codebox的stale值。

通过一段时间的背景学习之后，就可以做背景差分了，即对于每一个像素，在它的codebook中搜索，看是否有codebox满足该像素点像素值都在[Max+MaxMod,Min-MinMod]区间内，若有，则说明该像素为背景，若不存在，则该像素为前景。

大致思想叙述完毕，书上代码也很好看懂，不过有个问题困扰了我一阵了，codebook中的box会不会有重叠的部分,比如：有一个box的上下界为[10,30]，他的学习阈值为[0,40]，先来了像素值为41，按照规则会产生一个新的box在后面，上下界为[41,41]，学习阈值为[31,51]，而再来了40,41，由于box的先后关系，前一个box会被更新，上下界为[10,41]，学习阈值为[0,42]，这样就构成了box的重叠。后来想了想，这样的情况，在单通道的情况下出现几率较大，而再多通道的情况下，由于满足条件更为苛刻，也许重叠的情况出现的可能性就不太大了，而且若是真的有重叠，或许在更新stale的时候被重叠的box就会被删掉了。

也许是我自己想太多，如果大家有什么见解也希望不吝赐教。