利用八叉树颜色量化进行背景建模

基于视频或视频区域中出现频率最高的颜色这一假设，我提出了一种检测视频中前景对象的新算法。检测前景对象的过程非常复杂，因为视频中可能存在摇曳的树木、背景物体的移动或光照变化。为了应对这些复杂性，许多现有解决方案严重依赖昂贵的浮点运算。在本文中，我使用了一种仅通过二进制运算实现的数据结构——八叉树 (Octree)。传统上，八叉树用于颜色量化，但在本文中，我将其用作存储视频中出现频率最高颜色的数据结构。对于起始的几帧视频，我利用该帧的所有颜色构建了一个八叉树。接着，我通过移除低于特定高度的节点来修剪所有树，并根据节点到其父节点的拓扑路径为叶节点赋予颜色。因此，两个不同八叉树中具有相同到根节点拓扑路径的任意两个叶节点将代表相同的颜色。随后，我将所有这些单独的树合并为一棵树，仅保留那些从根节点到自身的路径在所有树中最常见的节点。结果树中叶节点所代表的颜色即为视频起始帧中出现频率最高的颜色。因此，传入帧中任何与合并树叶节点所代表颜色不接近的颜色均可被视为属于前景对象。由于八叉树仅使用二进制运算构建，其速度比其他领先算法快得多。