OpenCV的video module中包含了幾種較爲經常使用的背景減除方法,其中混合高斯模型(Gaussian of Mixture Models, GMM)方法效果較好。 ios
經常使用的目標檢測方法:1)幀間差分;2)背景減除;app
其中背景減除方法的關鍵在於創建一個魯棒的背景模型(背景圖像),經常使用的創建背景模型方法有:ide
1)均值法;2)中值法;3)滑動平均濾波法;4)單高斯;5)混合高斯模型;6)codebook,等。spa
混合高斯模型的原理:.net
每一個像素的R、G、B三個通道像素值的變化分別由一個混合高斯模型分佈來刻畫。這樣的好處在於,同一個像素位置處能夠呈現多個模態的像素值變化(例如水波紋,晃動的葉子等)。code
GMM的出處:Adaptive background mixture models for real-time tracking (1999年由Chris Stau er提出)blog
OpenCV版本:2.4.2ip
下面的代碼實現了基於GMM的運動目標檢測,同時可以消除運動陰影; (基於文獻:Improved adaptive Gausian mixture model for background subtraction)get
[cpp] view plain copystring
實驗結果:
當前幀圖像
當前背景圖像
前景圖像
通過腐蝕和膨脹處理後的前景圖像
(白色爲運動目標區域;灰色爲陰影區域;黑色爲背景)
相關內容:www.icvpr.com
-------------------------------------------------------
< 轉載請註明:http://blog.csdn.net/icvpr>