網上很多有趣的博客提到了這個Vibe背景建模方法。本來我自己的課題已經放棄了使用背景建模，但是今天手賤，點開了
後來又看了一篇正兒八經的http://www.cnblogs.com/dwdxdy/p/3527891.html
看了司令的第一段開場白，把我笑哭了。。故滿滿興趣看下去，看看所謂的B哥搞出來的Vibe算法究竟是什麼東東
貌似，Vibe算法的關鍵詞是
“隨機”
司令大哥整篇文章都是爲了吐槽高斯，，看着真是醉了。
Vibe流程如下：
1 背景模型初始化：利用單幀視頻序列初始化背景模型，對於一個像素點，結合相鄰像素點擁有的相近像素值的空間分佈特徵性，隨機選擇它的鄰域點的像素值作爲模型的樣本值。（事實上這時候不能有前景出現，，否則。。嘿嘿。。直接就認錯點了。。這樣就會出現傳說中的Ghost區域）
2 前景檢測過程：背景模型爲每個背景點儲存一個樣本集，然後每個新的像素值和樣本集比較是否屬於背景。計算新的像素值和樣本中的每個樣本值的距離，若距離小於閾值，則近似樣本點數目增加。若距離大於閾值，則認爲產生了新的背景點。
檢測過程一般由三個參數決定，樣本集數目N，閾值min，距離相近判定閾值R，一般取N=20，Min=2，R=20
前面的翻譯可能不太對，乾脆貼個圖
3 背景模型更新策略
1）無記憶更新策略 每次需要更新像素點的背景模型時，以新的像素點取代該像素點樣本集的一個樣本值
2）時間取樣更新策略 並不是每一幀都需要更新處理，而是按照一定的更新率去更新背景模型。當一個像素點判定爲背景，則有1/rate的概率更新，rate是時間採樣因子，一般取16
3）空間鄰域更新策略 針對需要更新的像素點，隨機選取一個該像素點的鄰域的背景模型，用新的像素點更新被選中的鄰域點的背景模型。
4 Vibe的改進方案
1）距離計算：對於一個新的像素點，判斷前景和背景是計算歐氏距離然後做閾值判斷。爲了改進這裏的缺點，可以用一個叫做圓錐模型的計算方法去計算距離，然後用自適應的閾值取代之前的固定閾值，自適應是通過和樣本集的方差關聯來獲得。方差大，證明背景複雜所以要大閾值，反之就是用小閾值。
2）引入整體的概念，彌補像素級分割的不足（事實上就是加入一點對二值化mask的形態學膨脹腐蝕之類的東西）
3）抑制鄰域更新 在updatemask時，計算像素和上一幀的梯度，梯度越大證明變化值越大，可能爲前景點，不要更新
4）檢測閃爍像素點 引入閃爍程度blink level，當同一個點前後兩幀的變化大，blink level就增加15，否則減少1，根據blink level判斷是否爲閃爍點，閃爍點要單獨處理，通常是作爲背景點。
5）增加更新因子，適應不同的背景變化
注：下了個demo，在有微小抖動的貌似效果不太好。。。準備換下測試的視頻段，and換下參數試試看