高斯模型的具体介绍

高斯模型的具体介绍
高斯模型的具体介绍

高斯模型的具体介绍
混合高斯模型：
　　运动检测的一般方法
　　目前,运动物体检测的问题主要分为两类,摄像机固定和摄像机运动.对于摄像机运动的运动物体检测问题,比较著名的解决方案是光流法,通过求解偏微分方程求的图像序列的光流场,从而预测摄像机的运动状态.对于摄像机固定的情形,当然也可以用光流法,但是由于光流法的复杂性,往往难以实时的计算,所以我采用高斯背景模型.因为,在摄像机固定的情况下,背景的变化是缓慢的,而且大都是光照,风等等的影响,通过对背景建模,对一幅给定图像分离前景和背景,一般来说,前景就是运动物体,从而达到运动物体检测的目的.
　　单分布高斯背景模型
　　单分布高斯背景模型认为,对一个背景图像,特定像素亮度的分布满足高斯分布,即对背景图像B,(x,y)点的亮度满足： 　　IB(x,y) ~ N(u,d) 　　这样我们的背景模型的每个象素属性包括两个参数：平均值u 和 方差d. 　　对于一幅给定的图像G,如果 Exp(-(IG(x,y)-u(x,y))^2/(2*d^2)) > T,认为(x,y)是背景点,反之是前景点. 　　同时,随着时间的变化,背景图像也会发生缓慢的变化,这时我们要不断更新每个象素点的参数 　　u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y) 　　这里,a称为更新参数,表示背景变化的速度,一般情况下,我们不更新d（实验中发现更不更新d,效果变化不大）. 　　高斯混合模型是用于背景提取的方法,OpenCV的cvaux中cvbgfg_gaussmix.cpp文件根据文献An improved adaptive background mixture model for real-time tracking with shadow中提供的方法编写了高斯混合模型函数.其中定义了CvGaussBGModel类用于存放高斯混合模型的各个参数.我用OpenCV使用高斯混合模型函数分以下几步： 　　1.需要用到icvUpdateGaussianBGModel,icvReleaseGaussianBGModel两个函数,但是源程序中将这两个函数定义为内部函数,需要做一些修改,首先将cvbgfg_gaussmix.cpp中前面两个函数的声明static void CV_CDECL icvReleaseGaussianBGModel( CvGaussBGModel** bg_model ); 　　static int CV_CDECL icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model );两行代码注释掉.然后在cvbgfg_gaussmix.cpp中间部分两个函数的定义部分,函数头static int和static void改成CV_IMPL int 和CV_IMPL void.最后在cvaux.h文件中CVAPI(CvBGStatModel*) cvCreateGaussianBGModel( IplImage* first_frame, 　　CvGaussBGStatModelParams* parameters CV_DEFAULT(NULL));这句后面加上以下两句CVAPI(void) icvReleaseGaussianBGModel( CvGaussBGModel** bg_model ); 　　CVAPI(int) icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model ); 　　程序修改完毕,点rebuild all,全部重新编译. 　　2.在程序初始化部分定义高斯混合模型参数CvGaussBGModel* bg_model=NULL;在读取第一帧图像（背景图像）时,进行高斯背景建模bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(image, 0);image可以是灰度图象也可以是彩色图像.接下来再读取当前帧时,更新高斯模型 　　regioncount=icvUpdateGaussianBGModel(currframe, bg_model );regioncount的含义我不确定,我理解是代表背景中不同颜色区域的个数,这个参数我没有用到,它只是icvUpdateGaussianBGModel函数的返回值. 　　3.现在bg_model已经保存了经过高斯混合模型分类后的结果,bg_model->background保存了背景图像,bg_model->foreground保存了前景图像. 　　include 　　#include 　　#include 　　#include 　　#include //必须引此头文件 　　int main( int argc, char** argv ) 　　{ 　　IplImage* pFrame = NULL; 　　IplImage* pFrImg = NULL; 　　IplImage* pBkImg = NULL; 　　CvCapture* pCapture = NULL; 　　int nFrmNum = 0; 　　cvNamedWindow("video", 1); 　　cvNamedWindow("background",1); 　　cvNamedWindow("foreground",1); 　　cvMoveWindow("video", 30, 0); 　　cvMoveWindow("background", 360, 0); 　　cvMoveWindow("foreground", 690, 0); 　　if( argc > 2 ) 　　{ 　　fprintf(stderr, "Usage: bkgrd [video_file_name]\n"); 　　return -1; 　　} 　　//打开视频文件 　　if(argc == 2) 　　if( !(pCapture = cvCaptureFromFile(argv[1]))) 　　{ 　　fprintf(stderr, "Can not open video file %s\n", argv[1]); 　　return -2; 　　} 　　//打开摄像头 　　if (argc == 1) 　　if( !(pCapture = cvCaptureFromCAM(-1))) 　　{ 　　fprintf(stderr, "Can not open camera.\n"); 　　return -2; 　　} 　　//初始化高斯混合模型参数 　　CvGaussBGModel* bg_model=NULL; 　　while(pFrame = cvQueryFrame( pCapture )) 　　{ 　　nFrmNum++; 　　if(nFrmNum == 1) 　　{ 　　pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,3); 　　pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1); 　　//高斯背景建模,pFrame可以是多通道图像也可以是单通道图像 　　//cvCreateGaussianBGModel函数返回值为CvBGStatModel*, 　　//需要强制转换成CvGaussBGModel* 　　bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(pFrame, 0); 　　} 　　else 　　{ 　　//更新高斯模型 　　cvUpdateBGStatModel(pFrame, (CvBGStatModel *)bg_model ); 　　//pFrImg为前景图像,只能为单通道 　　//pBkImg为背景图像,可以为单通道或与pFrame通道数相同 　　cvCopy(bg_model->foreground,pFrImg,0); 　　cvCopy(bg_model->background,pBkImg,0); 　　//把图像正过来 　　pBkImg->origin=1; 　　pFrImg->origin=1; 　　cvShowImage("video", pFrame); 　　cvShowImage("background", pBkImg); 　　cvShowImage("foreground", pFrImg); 　　if( cvWaitKey(2) >= 0 ) 　　break; 　　} 　　} 　　//释放高斯模型参数占用内存 　　cvReleaseBGStatModel((CvBGStatModel**)&bg_model); 　　cvDestroyWindow("video"); 　　cvDestroyWindow("background"); 　　cvDestroyWindow("foreground"); 　　cvReleaseImage(&pFrImg); 　　cvReleaseImage(&pBkImg); 　　cvReleaseCapture(&pCapture); 　　return 0; 　　}