Onda

Se utilizan numerosas técnicas avanzadas para estimar la función de densidad de probabilidad temporal (fdp) de un píxel x. El enfoque de ViBe es diferente, ya que impone que la influencia de un valor en el espacio policromático se limite a la vecindad local. En la práctica, ViBe no estima la fdp, sino que utiliza un conjunto de valores de muestra observados previamente como modelo de píxel. Para clasificar un valor pt(x), se compara con sus valores más cercanos dentro del conjunto de muestras.

ViBe garantiza una vida útil de decaimiento exponencial gradual para los valores de muestra que componen los modelos de píxeles. Esto permite a ViBe gestionar con éxito eventos simultáneos con un único modelo de tamaño razonable para cada píxel. Esto se logra seleccionando aleatoriamente la muestra que se reemplazará al actualizar un modelo de píxel. Una vez elegida la muestra a descartar, el nuevo valor la reemplaza. El modelo de píxel resultante de la actualización de un modelo de píxel determinado con una muestra de píxel específica no se puede predecir, ya que el valor a descartar se elige al azar.

Para garantizar la coherencia espacial del modelo de imagen completo y gestionar situaciones prácticas como pequeños movimientos de cámara o la evolución lenta de objetos de fondo, ViBe utiliza una técnica similar a la desarrollada para el proceso de actualización, en la que selecciona aleatoriamente y actualiza un modelo de píxeles en la vecindad del píxel actual. Denotando NG(x) y p(x) respectivamente, la vecindad espacial de un píxel x y su valor, y suponiendo que se decidió actualizar el conjunto de muestras de x insertando p(x), ViBe también utiliza este valor p(x) para actualizar el conjunto de muestras de uno de los píxeles en la vecindad NG(x), elegido aleatoriamente. Como resultado, ViBe es capaz de producir resultados espacialmente coherentes directamente sin utilizar ningún método de posprocesamiento.

Aunque el modelo podría recuperarse fácilmente de cualquier tipo de inicialización, por ejemplo, eligiendo un conjunto de valores aleatorios, es conveniente obtener una estimación precisa del fondo lo antes posible. Idealmente, un algoritmo de segmentación debería poder segmentar las secuencias de vídeo a partir del segundo fotograma, utilizando el primero para inicializar el modelo. Dado que no se dispone de información temporal previa al segundo fotograma, ViBe rellena los modelos de píxeles con valores encontrados en la vecindad espacial de cada píxel; más precisamente, inicializa el modelo de fondo con valores tomados aleatoriamente en la vecindad de cada píxel del primer fotograma. Por lo tanto, la estimación del fondo es válida a partir del segundo fotograma de una secuencia de vídeo.