ViBe算法：ViBe – a powerful technique for background detection and subtraction in video sequences
算法官网：
描述：
ViBe是一种像素级视频背景建模或前景检测的算法，效果优于所熟知的几种算法，对硬件内存占用也少。
Code：
算法执行效率测试程序，windows和linux操作系统下的程序和c/c++文件都可以在作者官网下载，如下：
Windows and Linux users: a benchmarking program to evaluate the time needed by ViBe on your platform and on your own sequences!Download an archivezip archive [15 MB]to evaluate the time needed by ViBe on your platform (Windows or Linux [Wine]), and on your own sequences.A program for Windows and Linux.Download an archivezip archive [16 MB]to use ViBe on Windows (or underWinein Linux).The program allows you to: (1) save the result for your own images, (2) change the few parameters of ViBe to experiment with, and (3) reproduce our results.Linux: link a C/C++ object file to your own code.We provide the object (compiled) code of ViBe for non-commercial applications. Under Linux, download the32 bits zip file, or the64 bits zip file. Details onthis page.
当然，在使用ViBe算法时应该遵循算法官网的License。
算法的主要优势：
内存占用少，一个像素需要作一次比较，占用一个字节的内存；
无参数法；
可直接应用在产品中，软硬件兼容性好；
性能优于混合高斯，参数化方法，SACON等；
像素级算法，视频处理中的预处理关键步骤；
背景模型及时初始化；
具有较好的抗噪能力。
参考文献：
O. BarnichandM. Van Droogenbroeck.ViBe: A universal background subtraction algorithm for video sequences. InIEEE Transactions on Image Processing, 20(6):1709-1724, June 2011. Also available onthe University sitein PDF format:, andHTML format. This paper contains a verydetailed pseudo-code description of the complete algorithm.M. Van Droogenbroeckand O. Paquot.Background Subtraction: Experiments and Improvements for ViBe. InChange Detection Workshop (CDW), Providence, Rhode Island, June 2012. Available onthe University sitein PDF format:, andHTML format.O. BarnichandM. Van Droogenbroeck.ViBe: a powerful random technique to estimate the background in video sequences. InInternational Conference on Acoustics, Speech, and Signal Processing (ICASSP 2009), pages 945-948, April 2009. Available as aIEEE publicationor onthe University site.Patent description at the "freepatentsonline" web sitePerformanceAn independant evaluation is available in S. Brutzer, B. Hoferlin, and G. Heidemann.Evaluation of background subtraction techniques for video surveillance.In IEEE International Conference on Computer Vision and Pattern Recognition (CVPR), pages 1937-1944, Colorado Spring, USA, June 2011.In their conclusions, they claim:"Considering these aspects, Barnich is astrong favorite, since it is simple and almost parameterless."
背景差方法实现运动物体检测面临的挑战主要有：必须适应环境的变化（比如光照的变化造成图像色度的变化）； 相机抖动引起画面的抖动(比如手持相机拍照时候的移动)；图像中密集出现的物体（比如树叶或树干等密集出现的物体，要正确的检测出来）；必须能够正确的检测出背景物体的改变（比如新停下的车必须及时的归为背景物体，而有静止开始移动的物体也需要及时的检测出来）。物体检测中往往会出现Ghost区域，Ghost区域也就是指当一个原本静止的物体开始运动，背静差检测算法可能会将原来该物体所覆盖的区域错误的检测为运动的，这块区域就成为Ghost，当然原来运动的物体变为静止的也会引入Ghost区域，Ghost区域在检测中必须被尽快的消除。一个Ghost区域的实例如图Fig.1,在图中可以发现相比于原图，检测的结果中错误的多出现了两个人的形状，这就是Ghost。
Fig 1
ViBe算法详解：
ViBe检测方法
ViBe是本篇论文中所提出的一个检测方法，相比于其他方法它有很多的不同和优点。具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。该模型主要包括三个方面：模型的工作原理；模型的初始化方法；模型的更新策略。
模型的工作原理
背景物体就是指静止的或是非常缓慢的移动的物体，而前景物体就对应移动的物体。所以我们可以把物体检测看出一个分类问题，也就是来确定一个像素点是否属于背景点。在ViBe模型中，，背景模型为每个背景点存储了一个样本集，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。可以知道如果一个新的观察值属于背景点那么它应该和样本集中的采样值比较接近。
对的，坚持;错的，放弃!
