1. 树木晃动的像素级现象

根据当前的数据特点，分为两种情况：

• 近距离的灌木丛(<300m)在风吹作用下的晃动
• 柏树等稍远一些的树冠在风吹作用下的晃动

                                                                                                 图1 风吹下的树冠晃动

                                                                                                     图2 近距离灌木丛的晃动

1.1 树木晃动的像素级特点

• 快速运动，帧与帧之间差异大，每帧的晃动方向随机（上下左右）；幅度随机（晃动像素个数）。每帧上下左右晃动的像素个数是随机的。
• 晃动之后，目标的形态也发生了变化。
• 晃动只会在一个局部的领域里发生。
• 晃动的发生频率和周期不一样，没有太多规律。

1.2 当前VIBE算法为什么只能解决一部分的晃动问题

第一排的晃动相对小，第二排的晃动量相对大。

□ 邻域更新的重要性

• 只有157第当前像素更新的某个模型；而170和160都是领域更新来的。
• 但是领域更新只在3*3的范围内，所以能够应对的晃动模式是有限的。

2. 下一步的技术方向

• （1）vibe的技术上，在前景中利用晃动特征进行剔除。但是这个特征难以表征和实现
• （2）借鉴PAWCS算法的特点进行改进

2.1 PAWCS算法的原理

首先，它是在SubSense算法的基础上进行的改进。但是基本的模型在SubSense中有详细介绍的。主要特点在以下几个方面：

• （1）特征：LBSP+Color 首先LBSP的相似性阈值是自适应的Tr*ix，实际为ix/9，即[0,255]共28个台阶
• （2）判断当前像素是否属于某个模型：R(x)是要维护的，从R(x)+isUnstable得到Color和LBSP的阈值，其次还有一个综合阈值。
• （3）挨个模型进行判断，然后进行前景和背景的分割，进行分割时要更新T(x),MeanMinDist, MeanRawSegm

图1 总的图

图2 左侧为Tr*ix的自适应阈值，LBSP判断是否相似的，是否为0/1                    右侧为当前像素是否属于某个模型

                                         图3 部分模型变量的说明 

2.1.1 前景背景分割的部分 + 反馈参数控制部分

前景背景分割部分：如果ModelResetCoolDown需要重新更新，则以最快的速度更新某个模型。

2.1.2 闪烁像素的确定