OpenCV_基于混合高斯模型GMM的运动目标检测

OpenCV的video module中包含了几种较为经常使用的背景减除方法，其中混合高斯模型（Gaussian of Mixture Models, GMM）方法效果较好。 

 

经常使用的目标检测方法：1）帧间差分；2）背景减除；

 

其中背景减除方法的关键在于创建一个鲁棒的背景模型（背景图像），经常使用的创建背景模型方法有：

1）均值法；2）中值法；3）滑动平均滤波法；4）单高斯；5）混合高斯模型；6）codebook，等。

 

混合高斯模型的原理：

 

每一个像素的R、G、B三个通道像素值的变化分别由一个混合高斯模型分布来刻画。这样的好处在于，同一个像素位置处能够呈现多个模态的像素值变化（例如水波纹，晃动的叶子等）。

 

GMM的出处：Adaptive background mixture models for real-time tracking （1999年由Chris Stau er提出）

 

OpenCV版本：2.4.2

 

下面的代码实现了基于GMM的运动目标检测，同时可以消除运动阴影； （基于文献：Improved adaptive Gausian mixture model for background subtraction）

 

 

[cpp] view plain copy

1. //  基于混合高斯模型的运动目标检测  
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.         // 运动前景检测，并更新背景  
39.         mog(frame, foreground, 0.001);         
40.           
41.         // 腐蚀  
42.         cv::erode(foreground, foreground, cv::Mat());  
43.           
44.         // 膨胀  
45.         cv::dilate(foreground, foreground, cv::Mat());  
46.   
47.         mog.getBackgroundImage(background);   // 返回当前背景图像  
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. }  

 

 

实验结果：

 

 

当前帧图像

 

 

 

当前背景图像

 

 

前景图像

 

 

通过腐蚀和膨胀处理后的前景图像

（白色为运动目标区域；灰色为阴影区域；黑色为背景）

 

 

 

 

相关内容：www.icvpr.com

-------------------------------------------------------
< 转载请注明：http://blog.csdn.net/icvpr>