OpenCV_基於混合高斯模型GMM的運動目標檢測

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

  1. //  基於混合高斯模型的運動目標檢測  
  2. //  Author: www.icvpr.com   
  3. //  Blog: http://blog.csdn.net/icvpr    
  4.   
  5. #include <iostream>  
  6. #include <string>  
  7.   
  8. #include <opencv2/opencv.hpp>  
  9.   
  10.   
  11. int main(int argc, char** argv)  
  12. {  
  13.     std::string videoFile = "../test.avi";  
  14.   
  15.     cv::VideoCapture capture;  
  16.     capture.open(videoFile);  
  17.   
  18.     if (!capture.isOpened())  
  19.     {  
  20.         std::cout<<"read video failure"<<std::endl;  
  21.         return -1;  
  22.     }  
  23.   
  24.   
  25.     cv::BackgroundSubtractorMOG2 mog;  
  26.   
  27.     cv::Mat foreground;  
  28.     cv::Mat background;  
  29.   
  30.     cv::Mat frame;  
  31.     long frameNo = 0;  
  32.     while (capture.read(frame))  
  33.     {  
  34.         ++frameNo;  
  35.   
  36.         std::cout<<frameNo<<std::endl;  
  37.   
  38.         // 運動前景檢測,並更新背景  
  39.         mog(frame, foreground, 0.001);         
  40.           
  41.         // 腐蝕  
  42.         cv::erode(foreground, foreground, cv::Mat());  
  43.           
  44.         // 膨脹  
  45.         cv::dilate(foreground, foreground, cv::Mat());  
  46.   
  47.         mog.getBackgroundImage(background);   // 返回當前背景圖像  
  48.   
  49.         cv::imshow("video", foreground);  
  50.         cv::imshow("background", background);  
  51.   
  52.   
  53.         if (cv::waitKey(25) > 0)  
  54.         {  
  55.             break;  
  56.         }  
  57.     }  
  58.       
  59.   
  60.   
  61.     return 0;  
  62. }  


 

 

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>

相關文章
相關標籤/搜索