背景建模的方法很多很多！各種方法都有自己的優缺點！這裏簡要的介紹一下基於GMM+LBP的背景建模方法。
一. 背景建模算法
作爲背景建模的算法，應用於視頻的實時監控時，必須滿足以下幾個條件：
1) 能夠適應光照的變化，樹葉的擺動，可以抗干擾。
2) 能夠應對背景信息均值和方差的大幅度變化，針對於這一點，人們常常用多模型進行處理，比如採用混合高斯背景建模。
3) 能夠處理運動物體的陰影，對於樹蔭下的運動目標也有一定的檢測能力
4) 運算的速度快，可以實時監測 。目前常見的視頻流是25fps，因此一幅圖像的實際處理時間只有40ms，因此處理算法必須越簡單越好。
二．LBP背景建模算法
相比較而言，採用基於LBP的背景建模算法存在着以下幾個方面的優點：
1) 灰度單調的變化不會導致LBP值發生改變
這樣光照的變化，不會改變整個圖像的LBP值，因此可以很好的抑制光照的變化以及相機的微小抖動，但當目標很大的時候，也會出錯，導致漏檢。
2) 計算速度快。對於352*288的圖像，在不降採樣率的條件下，也能達到15mspf的速度，這個要優於混合高斯模型
3) 能夠實時的跟蹤快速運動的目標，對於小目標也有較好的效果
4) 對噪聲有很好的抑制，不會出現高斯背景建模時出現的斑點噪聲，因此無需濾波操作，節省了時間。
5) 它對於光照的變化、搖擺的樹木、起伏的湖面和閃爍的監視器這些複雜的情況，還有背景中有新的物體進入或者舊的物體移出這些情況都有很好的適應性，
6）缺點是沒有解決運動陰影的問題。
三．LBP的計算
1. 計算過程
最基本的LBP算子是將中心像素和其3×3的鄰域內的各個像素進行比較，如果鄰域像素的灰度值大於等於中心像素的灰度值，則置該鄰域像素在LBP二進制值序列中的值爲1，否則置爲0。最後由3×3鄰域的8個像素經過此運算得到一個按一定次序排列後形成的八位二進制數，將此值的十進制數作爲此像素點的LBP值，其大小範圍爲0~255。
最近準備把之前看的關於碼本關於GMM的背景建模算法整理下，和大家分享分享！
