opencv 高斯背景建模
来源:互联网 发布:手机淘宝店铺怎么发货 编辑:程序博客网 时间:2024/05/28 05:15
opencv中背景建模的方法:
#define CV_BG_MODEL_FGD 0
#define CV_BG_MODEL_MOG 1
#define CV_BG_MODEL_FGD_SIMPLE 2
CV_BG_MODEL_FGD是opencv里的一种背景建模方法,
是基于一篇文献:Foreground Object Detection from Videos Containing Complex Background.
发表于2003年的ACM international conference on Multimedia
CV_BG_MODEL_MOG 使用高斯背景建模
//
创建高斯背景模型
cvCreateGaussianBGModel( IplImage* first_frame, CvGaussBGStatModelParams* parameters )
{
//CvGaussBGModel在cvaux.h中有定义,是一个结构体
CvGaussBGModel* bg_model = 0;
CV_FUNCNAME( "cvCreateGaussianBGModel" );//在cxerror.h定义,定义cvFuncName宏变量
//cvFuncName定义为和函数名称相同cvCreateGaussianBGModel
__BEGIN__;//开始处理(是必须接在这个CV_FUNCNAME之后的)
double var_init;
CvGaussBGStatModelParams params;//定义初始化变量,在cvaux.h中定义的结构体CvGaussBGStatModelParams
int i, j, k, n, m, p;
//init parameters
if( parameters == NULL )
{
params.win_size = CV_BGFG_MOG_WINDOW_SIZE;//CV_BGFG_MOG_WINDOW_SIZE=200,和学习率的关系1/200=0.005
params.bg_threshold = CV_BGFG_MOG_BACKGROUND_THRESHOLD;//CV_BGFG_MOG_BACKGROUND_THRESHOLD=0.7(判断是否为背景点的阈值)
params.std_threshold = CV_BGFG_MOG_STD_THRESHOLD;//CV_BGFG_MOG_STD_THRESHOLD=2.5(标准阈值)
params.weight_init = CV_BGFG_MOG_WEIGHT_INIT;//CV_BGFG_MOG_WEIGHT_INIT=0.05(权值)
params.variance_init = CV_BGFG_MOG_SIGMA_INIT*CV_BGFG_MOG_SIGMA_INIT;//CV_BGFG_MOG_SIGMA_INIT=30(方差)
params.minArea = CV_BGFG_MOG_MINAREA;//CV_BGFG_MOG_MINAREA=15.f(检测出的前景物体的面积)
params.n_gauss = CV_BGFG_MOG_NGAUSSIANS;//CV_BGFG_MOG_NGAUSSIANS=5(高斯模型数量)
}
else
{
params = *parameters;
}
//CV_IS_IMAGE在cxtypes.h中定义,在这里估计是判断是否有读入图象帧
//CV_StsBadArg=-5,代表函数有问题,或者输入的参数有问题,-5为错误状态
if( !CV_IS_IMAGE(first_frame) )
CV_ERROR( CV_StsBadArg, "Invalid or NULL first_frame parameter" );//设置错误状态为指定的值(通过 cvSetErrStatus)
//CV_CALL在cxerror.h中有定义,这里用来确认一下调用是否正确
CV_CALL( bg_model = (CvGaussBGModel*)cvAlloc( sizeof(*bg_model) ));
memset( bg_model, 0, sizeof(*bg_model) );
bg_model->type = CV_BG_MODEL_MOG;//这个在cvGaussBGModel中定义的CV_BG_STAT_MODEL_FIELDS()函数中都有,存在type,release,update,foreground,background等
bg_model->release = (CvReleaseBGStatModel)icvReleaseGaussianBGModel;
bg_model->update = (CvUpdateBGStatModel)icvUpdateGaussianBGModel;
bg_model->params = params;
//分配存储空间
CV_CALL( bg_model->g_point = (CvGaussBGPoint*)cvAlloc(sizeof(CvGaussBGPoint)*
((first_frame->width*first_frame->height) + 256)));//这个是参与的点数,以及存放这些点需要的空间 //256应该是保证分配的内存不溢出
CV_CALL( bg_model->background = cvCreateImage(cvSize(first_frame->width,
first_frame->height), IPL_DEPTH_8U, first_frame->nChannels));//给背景分配存储空间
CV_CALL( bg_model->foreground = cvCreateImage(cvSize(first_frame->width,
first_frame->height), IPL_DEPTH_8U, 1));//给前景分配存储空间
CV_CALL( bg_model->storage = cvCreateMemStorage());//分配存储空间
//初始化
var_init = 2 * params.std_threshold * params.std_threshold;//方差设置为2倍标准差的平方
CV_CALL( bg_model->g_point[0].g_values =
(CvGaussBGValues*)cvAlloc( sizeof(CvGaussBGValues)*params.n_gauss*
(first_frame->width*first_frame->height + 128)));//这个是给g_value分配足够的存储空间 加128?
//程序说明
//g_values[0],g_values[1],g_values[2]....存放5个高斯混合模型的变量
//g_values[].weight(权重) g_values[].mean[](均值) g_values[].variance[](方差)
//具体安排是每一个象素点都有3个通道,
//然后每一个象素点有5个高斯模型
//模型0的权重为1,方差为2倍的标准差的平方,均值为当前象素点的值
//模型1的权重为0,方差为2倍的标准差的平方,均值为0
//模型2的权重为0,方差为2倍的标准差的平方,均值为0
//g_point指的是参加高斯背景建模的象素点的个数
for( i = 0, p = 0, n = 0; i < first_frame->height; i++ )//n 像素点数,p通道数
{
for( j = 0; j < first_frame->width; j++, n++ )
{
bg_model->g_point[n].g_values =
bg_model->g_point[0].g_values + n*params.n_gauss;
bg_model->g_point[n].g_values[0].weight = 1; //the first value seen has weight one
bg_model->g_point[n].g_values[0].match_sum = 1;
//三个颜色通道
for( m = 0; m < first_frame->nChannels; m++)
{
bg_model->g_point[n].g_values[0].variance[m] = var_init;
bg_model->g_point[n].g_values[0].mean[m] = (unsigned char)first_frame->imageData[p + m];
}
for( k = 1; k < params.n_gauss; k++)
{
bg_model->g_point[n].g_values[k].weight = 0;
bg_model->g_point[n].g_values[k].match_sum = 0;
for( m = 0; m < first_frame->nChannels; m++){
bg_model->g_point[n].g_values[k].variance[m] = var_init;
bg_model->g_point[n].g_values[k].mean[m] = 0;
}
}
p += first_frame->nChannels;
}
}
bg_model->countFrames = 0;
__END__;
if( cvGetErrStatus() < 0 )
{
CvBGStatModel* base_ptr = (CvBGStatModel*)bg_model;
if( bg_model && bg_model->release )
bg_model->release( &base_ptr );
else
cvFree( &bg_model );
bg_model = 0;
}
return (CvBGStatModel*)bg_model;
}
这整个函数就是对结构体cvGaussBGModel里面的参数:CV_BG_STAT_MODEL_FIELDS(),params,g_point,countFrames赋值,实际上也是可以把其复制过来,自己修改初时的参数。
- opencv 高斯背景建模
- 背景建模-均值法(Matlab)高斯背景建模(opencv)
- 【OpenCV】高斯混合背景建模
- 【OpenCV】高斯混合背景建模
- 【OpenCV】高斯混合背景建模
- OpenCV混合高斯背景建模
- Qt之OpenCV高斯背景建模
- 高斯背景建模
- 高斯背景建模
- 高斯背景建模
- 高斯背景建模
- 混合高斯背景建模——opencv
- 运动目标的背景建模-混合高斯背景建模和KNN模型建模的OpenCV代码实现
- 高斯建模 opencv
- 高斯背景建模程序
- 混合高斯背景建模
- 混合高斯背景建模
- 混合高斯背景建模
- 74HC164
- java调用doc命令
- SQL数据库的一些攻击
- 前端开发如何做到4个一致
- 先成功后收费
- opencv 高斯背景建模
- 根据地址显示图片
- 请客吃饭:Let's go eat. It's my treat.
- Java序列化基本知识
- Servlet过滤表单text中的代码
- C C++编程常用代码块
- CDialog类的成员
- 编写多线程的Java应用程序-如何避免当前编程中最常见的问题
- 软件测试杂谈