视频前景提取综述

       由于前景背景差异小、运动形变，背景里有快速明暗变化，背景中存在几何变化以及光照等噪声，诸多因素对前景提取效果和质量造成了一定的影响，甚至无法有效地提取到完整前景帧序列。完整的提取前景，也就是不多提取也不少提取，已经成为研究热点和难点。

常用的运动前景检测和提取方法有帧差法、背景减除法和Vibe法

一、帧差法

       摄像机采集的视频序列具有连续性的特点。如果场景内没有运动目标，则连续帧的变化很微弱，如果存在运动目标，则连续的帧和帧之间会有明显地变化。由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。

两帧差分法的运算过程如图所示。记视频序列中第n帧和第n−1帧图像为fn和fn−1，两帧对应像素点的灰度值记为fn(x,y)和fn−1(x , y)，按照式2.13将两帧图像对应像素点的灰度值进行相减，并取其绝对值，得到差分图像Dn：

设定阈值T，逐个对像素点进行二值化处理，得到二值化图像Rn'。其中，灰度值为255的点即为前景(运动目标)点，灰度值为0的点即为背景点；对图像Rn'进行连通性分析，最终可得到含有完整运动目标的图像Rn。

帧间差分法的原理简单，计算量小，能够快速检测出场景中的运动目标。但由实验结果可以看出，帧间差分法检测的目标不完整，内部含有“空洞”，这是因为运动目标在相邻帧之间的位置变化缓慢，目标内部在不同帧图像中相重叠的部分很难检测出来。帧间差分法通常不单独用在目标检测中，往往与其它的检测算法结合使用。

二、背景减除法

三、Vibe

Vibe主要思想是：利用邻域像素在空间分布具有一致性来完成背景模型的初始化，使得当前帧图像的每个像素与其背景模型进行匹配，若判定为背景就随机更新其背景模型。

主要取自博客和肖碧波，胡伟的一篇期刊整合