运动目标检测——ViBe算法代码分析

一方面为了学习，一方面按照老师和项目的要求接触到了前景提取的相关知识，具体的方法有很多，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。
更为具体的资料可以参考一下链接，作者做了很好的总结。点击打开链接http://blog.csdn.net/zouxy09/article/details/9622285

我只要针对作者提供的源代码，加上我的理解最代码捉了做了相关的注释，便于自己对代码的阅读和与大家的交流，如果不妥之处，稀罕大家多多提出，共同进步

ViBe.h（头文件，一般做申明函数、类使用，不做具体定义）

 

#pragma once
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace cv;
using namespace std;

#define NUM_SAMPLES 20      //每个像素点的样本个数
#define MIN_MATCHES 2       //#min指数
#define RADIUS 20       //Sqthere半径
#define SUBSAMPLE_FACTOR 16 //子采样概率，决定背景更新的概率


class ViBe_BGS
{
public:
    ViBe_BGS(void);  //构造函数
    ~ViBe_BGS(void);  //析构函数，对开辟的内存做必要的清理工作

    void init(const Mat _image);   //初始化
    void processFirstFrame(const Mat _image); //利用第一帧进行建模
    void testAndUpdate(const Mat _image);  //判断前景与背景，并进行背景跟新
    Mat getMask(void){return m_mask;};  //得到前景

private:
    Mat m_samples[NUM_SAMPLES];  //每一帧图像的每一个像素的样本集
    Mat m_foregroundMatchCount;  //统计像素被判断为前景的次数，便于跟新
    Mat m_mask;  //前景提取后的一帧图像
};

ViBe.cpp（上面所提到的申明的具体定义）

 

 

#include <opencv2/opencv.hpp>
#include <iostream>
#include "ViBe.h"

using namespace std;
using namespace cv;

int c_xoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //x的邻居点，9宫格
int c_yoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //y的邻居点

ViBe_BGS::ViBe_BGS(void)
{

}
ViBe_BGS::~ViBe_BGS(void)
{

}

/**************** Assign space and init ***************************/
void ViBe_BGS::init(const Mat _image)  //成员函数初始化
{
     for(int i = 0; i < NUM_SAMPLES; i++) //可以这样理解，针对一帧图像，建立了20帧的样本集
     {
         m_samples[i] = Mat::zeros(_image.size(), CV_8UC1);  //针对每一帧样本集的每一个像素初始化为8位无符号0，单通道
     }
     m_mask = Mat::zeros(_image.size(),CV_8UC1); //初始化
     m_foregroundMatchCount = Mat::zeros(_image.size(),CV_8UC1);  //每一个像素被判断为前景的次数，初始化
}

/**************** Init model from first frame ********************/
void ViBe_BGS::processFirstFrame(const Mat _image)
{
    RNG rng;    //随机数产生器
    int row, col;

    for(int i = 0; i < _image.rows; i++)
    {
        for(int j = 0; j < _image.cols; j++)
        {
             for(int k = 0 ; k < NUM_SAMPLES; k++)
             {
                 // Random pick up NUM_SAMPLES pixel in neighbourhood to construct the model
                 int random = rng.uniform(0, 9);  //随机产生0-9的随机数，主要用于定位中心像素的邻域像素

                 row = i + c_yoff[random]; //定位中心像素的邻域像素
                 if (row < 0)   //下面四句主要用于判断是否超出边界
                     row = 0;
                 if (row >= _image.rows)
                     row = _image.rows - 1;

                 col = j + c_xoff[random];
                 if (col < 0)    //下面四句主要用于判断是否超出边界
                     col = 0;
                 if (col >= _image.cols)
                     col = _image.cols - 1;

                 m_samples[k].at<uchar>(i, j) = _image.at<uchar>(row, col);  //将相应的像素值复制到样本集中
             }
        }
    }
}

/**************** Test a new frame and update model ********************/
void ViBe_BGS::testAndUpdate(const Mat _image)
{
    RNG rng;

    for(int i = 0; i < _image.rows; i++)
    {
        for(int j = 0; j < _image.cols; j++)
        {
            int matches(0), count(0);
            float dist;

            while(matches < MIN_MATCHES && count < NUM_SAMPLES) //逐个像素判断，当匹配个数大于阀值MIN_MATCHES，或整个样本集遍历完成跳出
            {
                dist = abs(m_samples[count].at<uchar>(i, j) - _image.at<uchar>(i, j)); //当前帧像素值与样本集中的值做差，取绝对值
                if (dist < RADIUS)  //当绝对值小于阀值是，表示当前帧像素与样本值中的相似
                    matches++;

                count++;  //取样本值的下一个元素作比较
            }

            if (matches >= MIN_MATCHES)  //匹配个数大于阀值MIN_MATCHES个数时，表示作为背景
            {
                // It is a background pixel
                m_foregroundMatchCount.at<uchar>(i, j) = 0;  //被检测为前景的个数赋值为0

                // Set background pixel to 0
                m_mask.at<uchar>(i, j) = 0;  //该像素点值也为0

                // 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
                int random = rng.uniform(0, SUBSAMPLE_FACTOR);   //以1 / defaultSubsamplingFactor概率跟新背景
                if (random == 0)
                {
                    random = rng.uniform(0, NUM_SAMPLES);
                    m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);
                }

                // 同时也有 1 / defaultSubsamplingFactor 的概率去更新它的邻居点的模型样本值
                random = rng.uniform(0, SUBSAMPLE_FACTOR);
                if (random == 0)
                {
                    int row, col;
                    random = rng.uniform(0, 9);
                    row = i + c_yoff[random];
                    if (row < 0)   //下面四句主要用于判断是否超出边界
                        row = 0;
                    if (row >= _image.rows)
                        row = _image.rows - 1;

                    random = rng.uniform(0, 9);
                    col = j + c_xoff[random];
                    if (col < 0)   //下面四句主要用于判断是否超出边界
                        col = 0;
                    if (col >= _image.cols)
                        col = _image.cols - 1;

                    random = rng.uniform(0, NUM_SAMPLES);
                    m_samples[random].at<uchar>(row, col) = _image.at<uchar>(i, j);  //模型样本值更新
                }
            }

            else  //匹配个数小于阀值MIN_MATCHES个数时，表示作为前景
            {
                // It is a foreground pixel
                m_foregroundMatchCount.at<uchar>(i, j)++;  //检测为前景的个数加1

                // Set background pixel to 255
                m_mask.at<uchar>(i, j) =255;    //前景点用白色（255）表示

                //如果某个像素点连续N次（这里为50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
                if (m_foregroundMatchCount.at<uchar>(i, j) > 50)
                {
                    int random = rng.uniform(0, SUBSAMPLE_FACTOR);
                    if (random == 0)
                    {
                        random = rng.uniform(0, NUM_SAMPLES);
                        m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);
                    }
                }
            }
        }
    }
}

main.cpp（你懂的……）

 

 

#include <opencv2/opencv.hpp>
#include "ViBe.h"
#include <iostream>
#include <cstdio>
#include<stdlib.h>
using namespace cv;
using namespace std;

int main(int argc, char* argv[])
{
    Mat frame, gray, mask;
    VideoCapture capture;
    capture.open("E:\\overpass\\11.avi");    //输入视频地址

    if (!capture.isOpened())
    {
        cout<<"No camera or video input!\n"<<endl;
        return -1;
    }

    ViBe_BGS Vibe_Bgs; //定义一个背景差分对象
    int count = 0; //帧计数器，统计为第几帧

    while (1)
    {
        count++;
        capture >> frame;
        if (frame.empty())
            break;
        cvtColor(frame, gray, CV_RGB2GRAY); //转化为灰度图像

        if (count == 1)  //若为第一帧
        {
            Vibe_Bgs.init(gray);
            Vibe_Bgs.processFirstFrame(gray); //背景模型初始化
            cout<<" Training GMM complete!"<<endl;
        }
        else
        {
            Vibe_Bgs.testAndUpdate(gray);
            mask = Vibe_Bgs.getMask();    //计算前景
            morphologyEx(mask, mask, MORPH_OPEN, Mat());   //形态学处理消除前景图像中的小噪声，这里用的开运算
            imshow("mask", mask);
        }

        imshow("input", frame);

        if ( cvWaitKey(10) == 'q' )    //键盘键入q,则停止运行，退出程序
            break;
    }
  system("pause");
    return 0;
}