提取视频中的前景物体

当观察场景的是一个固定的相机，背景几乎保持不变。在这种情况下，感兴趣的元素是在场景中运动的物体。为了提取出这些前景物体，我们需要对背景建模，然后将当前帧的模型与背景模型进行比较，以检测前景物体。这正是我们将要实现的，前景提取是智能监控应用的基础步骤。

---

实现方法：
如果我们能够获取当前场景背景的图像，那么通过简单的图像差分便可以提取出前景：

//计算当前图像与背景的差异
cv::absdiff(backgroundImage,currentImage,foreground);

差异足够大的像素都将被视为前景像素。
背景通常会随着时间变化，例如，从日出到日落之间光照条件会发生变化，同时新的物体可能会进入或离开背景。
因此我们必须能够动态创建背景的模型，这可以通过长时间观察场景来实现。
定期更新背景模型：通过计算滑动平均值，即对时序信号计算均值时考虑接收到的最新值。如果p(t)是t时刻的像素值，u(t-1)是当前的平均值，那么新的平均值将是 u(t)=(1-a)[u(t-1)]+ap(t) 参数a被称为学习率，它定义了当前值对平均值的影响程度。该值越大，滑动平均值对观察值的适应速度更快。
部分代码参考来源

// FeatureTracker.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\imgproc\imgproc.hpp>
#include <string>
#include <iomanip>

using namespace cv;
using namespace std;

//帧处理基类  
class FrameProcessor
{
public:
    virtual void process(Mat &input,Mat &ouput)=0;
};  

class BGFGSegmentor:public FrameProcessor
{  
    Mat gray;//当前帧灰度图  
    Mat background;//背景图，格式为32位浮点  
    Mat backImage;//CV_8U格式背景图  
    Mat foreground;//前景图  
    double learningRate;//学习率  
    int Thres;//阈值，滤去扰动
public:
    BGFGSegmentor():Thres(25),learningRate(0.2){}

    //帧处理函数  
    void process(Mat &frame,Mat &output)
    {
        //转化为灰度图
        cvtColor (frame,gray,CV_BGR2GRAY);
        if(background.empty ())
            //第一帧
            gray.convertTo(background,CV_32F);  
            //背景转为CV_8U格式以便求取和当前帧差的绝对值
            background.convertTo(backImage,CV_8U);  
            //求当前帧与背景的差别  
            absdiff (backImage,gray,foreground);  
            //过滤掉前景中与背景差别不大的扰动点
            threshold(foreground,output,Thres,255,THRESH_BINARY_INV);  
           //更新背景，output作为掩码  
            accumulateWeighted (gray,background,learningRate,output);
    }  
};  



class VideoProcessor
{
private:
    VideoCapture caputure;  
    //写视频流对象  
    VideoWriter writer;  
    //输出文件名  
    strin