计算机视觉
图像处理

运动检测(前景检测)之(一)ViBe

因为监控发展的需求,目前前景检测的研究还是很多的,也出现了很多新的方法和思路。个人了解的大概概括为以下一些:

帧差、背景减除(GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……)、光流(稀疏光流、稠密光流)、运动竞争(Motion Competition)、运动模版(运动历史图像)、时间熵……等等。如果加上他们的改进版,那就是很大的一个家族了。

对于上一些方法的一点简单的对比分析可以参考下:

http://www.cnblogs.com/ronny/archive/2012/04/12/2444053.html

至于哪个最好,看使用环境吧,各有千秋,有一些适用的情况更多,有一些在某些情况下表现更好。这些都需要针对自己的使用情况作测试确定的。呵呵。

推荐一个牛逼的库:http://code.google.com/p/bgslibrary/里面包含了各种背景减除的方法,可以让自己少做很多力气活。

还有王先荣博客上存在不少的分析:

http://www.cnblogs.com/xrwang/archive/2010/02/21/ForegroundDetection.html

下面的博客上转载王先荣的上面几篇,然后加上自己分析了两篇:

http://blog.csdn.net/stellar0

本文主要关注其中的一种背景减除方法:ViBe。stellar0的博客上对ViBe进行了分析,我这里就不再啰嗦了,具体的理论可以参考:

http://www2.ulg.ac.be/telecom/research/vibe/

http://blog.csdn.net/stellar0/article/details/8777283

http://blog.csdn.net/yongshengsilingsa/article/details/6659859

http://www2.ulg.ac.be/telecom/research/vibe/download.html

http://www.cvchina.info/2011/12/25/vibe/

《ViBe: A universal background subtraction algorithm for video sequences》

《ViBe: a powerful technique for background detection and subtraction in video sequences》

 

ViBe是一种像素级视频背景建模或前景检测的算法,效果优于所熟知的几种算法,对硬件内存占用也少,很简单。我之前根据stellar0的代码(在这里,非常感谢stellar0)改写成一个Mat格式的代码了,现在摆上来和大家交流,具体如下:(在VS2010+Opencv2.4.2中测试通过)

 

ViBe.h

  1. #pragma once
  2. #include <iostream>
  3. #include “opencv2/opencv.hpp”
  4. using namespace cv;
  5. using namespace std;
  6. #define NUM_SAMPLES 20      //每个像素点的样本个数
  7. #define MIN_MATCHES 2       //#min指数
  8. #define RADIUS 20       //Sqthere半径
  9. #define SUBSAMPLE_FACTOR 16 //子采样概率
  10. class ViBe_BGS
  11. {
  12. public:
  13.     ViBe_BGS(void);
  14.     ~ViBe_BGS(void);
  15.     void init(const Mat _image);   //初始化
  16.     void processFirstFrame(const Mat _image);
  17.     void testAndUpdate(const Mat _image);  //更新
  18.     Mat getMask(void){return m_mask;};
  19. private:
  20.     Mat m_samples[NUM_SAMPLES];
  21.     Mat m_foregroundMatchCount;
  22.     Mat m_mask;
  23. };

ViBe.cpp

  1. #include <opencv2/opencv.hpp>
  2. #include <iostream>
  3. #include “ViBe.h”
  4. using namespace std;
  5. using namespace cv;
  6. int c_xoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //x的邻居点
  7. int c_yoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //y的邻居点
  8. ViBe_BGS::ViBe_BGS(void)
  9. {
  10. }
  11. ViBe_BGS::~ViBe_BGS(void)
  12. {
  13. }
  14. /**************** Assign space and init ***************************/
  15. void ViBe_BGS::init(const Mat _image)
  16. {
  17.      for(int i = 0; i < NUM_SAMPLES; i++)
  18.      {
  19.          m_samples[i] = Mat::zeros(_image.size(), CV_8UC1);
  20.      }
  21.      m_mask = Mat::zeros(_image.size(),CV_8UC1);
  22.      m_foregroundMatchCount = Mat::zeros(_image.size(),CV_8UC1);
  23. }
  24. /**************** Init model from first frame ********************/
  25. void ViBe_BGS::processFirstFrame(const Mat _image)
  26. {
  27.     RNG rng;
  28.     int row, col;
  29.     for(int i = 0; i < _image.rows; i++)
  30.     {
  31.         for(int j = 0; j < _image.cols; j++)
  32.         {
  33.              for(int k = 0 ; k < NUM_SAMPLES; k++)
  34.              {
  35.                  // Random pick up NUM_SAMPLES pixel in neighbourhood to construct the model
  36.                  int random = rng.uniform(0, 9);
  37.                  row = i + c_yoff[random];
  38.                  if (row < 0)
  39.                      row = 0;
  40.                  if (row >= _image.rows)
  41.                      row = _image.rows – 1;
  42.                  col = j + c_xoff[random];
  43.                  if (col < 0)
  44.                      col = 0;
  45.                  if (col >= _image.cols)
  46.                      col = _image.cols – 1;
  47.                  m_samples[k].at<uchar>(i, j) = _image.at<uchar>(row, col);
  48.              }
  49.         }
  50.     }
  51. }
  52. /**************** Test a new frame and update model ********************/
  53. void ViBe_BGS::testAndUpdate(const Mat _image)
  54. {
  55.     RNG rng;
  56.     for(int i = 0; i < _image.rows; i++)
  57.     {
  58.         for(int j = 0; j < _image.cols; j++)
  59.         {
  60.             int matches(0), count(0);
  61.             float dist;
  62.             while(matches < MIN_MATCHES && count < NUM_SAMPLES)
  63.             {
  64.                 dist = abs(m_samples[count].at<uchar>(i, j) – _image.at<uchar>(i, j));
  65.                 if (dist < RADIUS)
  66.                     matches++;
  67.                 count++;
  68.             }
  69.             if (matches >= MIN_MATCHES)
  70.             {
  71.                 // It is a background pixel
  72.                 m_foregroundMatchCount.at<uchar>(i, j) = 0;
  73.                 // Set background pixel to 0
  74.                 m_mask.at<uchar>(i, j) = 0;
  75.                 // 如果一个像素是背景点,那么它有 1 / defaultSubsamplingFactor 的概率去更新自己的模型样本值
  76.                 int random = rng.uniform(0, SUBSAMPLE_FACTOR);
  77.                 if (random == 0)
  78.                 {
  79.                     random = rng.uniform(0, NUM_SAMPLES);
  80.                     m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);
  81.                 }
  82.                 // 同时也有 1 / defaultSubsamplingFactor 的概率去更新它的邻居点的模型样本值
  83.                 random = rng.uniform(0, SUBSAMPLE_FACTOR);
  84.                 if (random == 0)
  85.                 {
  86.                     int row, col;
  87.                     random = rng.uniform(0, 9);
  88.                     row = i + c_yoff[random];
  89.                     if (row < 0)
  90.                         row = 0;
  91.                     if (row >= _image.rows)
  92.                         row = _image.rows – 1;
  93.                     random = rng.uniform(0, 9);
  94.                     col = j + c_xoff[random];
  95.                     if (col < 0)
  96.                         col = 0;
  97.                     if (col >= _image.cols)
  98.                         col = _image.cols – 1;
  99.                     random = rng.uniform(0, NUM_SAMPLES);
  100.                     m_samples[random].at<uchar>(row, col) = _image.at<uchar>(i, j);
  101.                 }
  102.             }
  103.             else
  104.             {
  105.                 // It is a foreground pixel
  106.                 m_foregroundMatchCount.at<uchar>(i, j)++;
  107.                 // Set background pixel to 255
  108.                 m_mask.at<uchar>(i, j) = 255;
  109.                 //如果某个像素点连续N次被检测为前景,则认为一块静止区域被误判为运动,将其更新为背景点
  110.                 if (m_foregroundMatchCount.at<uchar>(i, j) > 50)
  111.                 {
  112.                     int random = rng.uniform(0, SUBSAMPLE_FACTOR);
  113.                     if (random == 0)
  114.                     {
  115.                         random = rng.uniform(0, NUM_SAMPLES);
  116.                         m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);
  117.                     }
  118.                 }
  119.             }
  120.         }
  121.     }
  122. }

Main.cpp

  1. // This is based on 
  2. // “VIBE: A POWERFUL RANDOM TECHNIQUE TO ESTIMATE THE BACKGROUND IN VIDEO SEQUENCES”
  3. // by Olivier Barnich and Marc Van Droogenbroeck
  4. // Author : zouxy
  5. // Date   : 2013-4-13
  6. // HomePage : http://blog.csdn.net/zouxy09
  7. // Email  : zouxy09@qq.com
  8. #include “opencv2/opencv.hpp”
  9. #include “ViBe.h”
  10. #include <iostream>
  11. #include <cstdio>
  12. using namespace cv;
  13. using namespace std;
  14. int main(int argc, char* argv[])
  15. {
  16.     Mat frame, gray, mask;
  17.     VideoCapture capture;
  18.     capture.open(“video.avi”);
  19.     if (!capture.isOpened())
  20.     {
  21.         cout<<“No camera or video input!\n”<<endl;
  22.         return -1;
  23.     }
  24.     ViBe_BGS Vibe_Bgs;
  25.     int count = 0;
  26.     while (1)
  27.     {
  28.         count++;
  29.         capture >> frame;
  30.         if (frame.empty())
  31.             break;
  32.         cvtColor(frame, gray, CV_RGB2GRAY);
  33.         if (count == 1)
  34.         {
  35.             Vibe_Bgs.init(gray);
  36.             Vibe_Bgs.processFirstFrame(gray);
  37.             cout<<” Training GMM complete!”<<endl;
  38.         }
  39.         else
  40.         {
  41.             Vibe_Bgs.testAndUpdate(gray);
  42.             mask = Vibe_Bgs.getMask();
  43.             morphologyEx(mask, mask, MORPH_OPEN, Mat());
  44.             imshow(“mask”, mask);
  45.         }
  46.         imshow(“input”, frame);
  47.         if ( cvWaitKey(10) == ‘q’ )
  48.             break;
  49.     }
  50.     return 0;
  51. }

转载注明来源:CV视觉网 » 运动检测(前景检测)之(一)ViBe

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

1不错 0超赞 0无聊 0扯淡 0不解 0路过

评论 5

评论前必须登录!