计算机视觉
图像处理

【OpenCV】高斯混合背景提取

在做火灾检测时尝试了一下用Opencv中自带的高斯混合背景建模,由于是快速应用,也没推敲太细,日后有机会再研究吧。

如果只是应用,不推敲原理是很简单的。OpenCV自己有一个高斯模型,源代码在安装目录…opencvsetuppathsrccvaux的cvbgfg_gaussmix.cpp文件中。

具 体算法是根据P. KaewTraKulPong and R. Bowden的论文《An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Detection》实现的

源码看起来很简单,除了构造、析构函数,不过几个函数:

  1. //初始化函数
  2. void BackgroundSubtractorMOG::initialize(Size _frameSize, int _frameType);
  3. //处理单通道图像
  4. static void process8uC1( BackgroundSubtractorMOG& obj, const Mat& image, Mat& fgmask, double learningRate );
  5. //处理多通道图像
  6. static void process8uC3( BackgroundSubtractorMOG& obj, const Mat& image, Mat& fgmask, double learningRate );
  7. //重载构造符(在这里转由 process8uC1 或 process8uC3 处理)
  8. void BackgroundSubtractorMOG::operator()(const Mat& image, Mat& fgmask, double learningRate);
  9. //释放高斯模型
  10. icvReleaseGaussianBGModel( CvGaussBGModel** bg_model );
  11. //更新模型
  12. icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel*  bg_model, double learningRate );
  13. //建立模型
  14. cvCreateGaussianBGModel( IplImage* first_frame, CvGaussBGStatModelParams* parameters );

如果我们不关心具体的参数,都是用默认值的话,很容易就能建立一个高斯背景提取的模型。

  1. //用第一帧初始化模型
  2. CvBGStatModel* bgModel= cvCreateGaussianBGModel(pInitFrame);
  3. //
  4. void FireDetector::CheckFireMove2(IplImage *pImgFrame)
  5. {
  6.     cvUpdateBGStatModel( pImgFrame, bgModel );
  7.     // 以左下角为坐标原点
  8.     bgModel->foreground->origin = bgModel->background->origin = 1;
  9.     //滤除噪声
  10.     //cvErode(bgModel->background, bgModel->background);  
  11.     //cvErode(bgModel->foreground, bgModel->foreground);    
  12.     cvMorphologyEx( pImgMotion, pImgMotion, 0, 0, CV_MOP_CLOSE, 3);
  13.     cvMorphologyEx( pImgMotion, pImgMotion, 0, 0, CV_MOP_OPEN, 1 );
  14. }

如果再简化就是

  1. cvUpdateBGStatModel( pImgFrame, bgModel );

一句话,用新的帧更新背景。

有关高斯背景的原理,日后再补上吧~

转载注明来源:CV视觉网 » 【OpenCV】高斯混合背景提取

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:

0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!