混合高斯模型

 

　　 高斯背景模型
　　运动检测的一般方法
　　目前，运动物体检测的问题主要分为两类，摄像机固定和摄像机运动。对于摄像机运动的运动物体检测问题，比较著名的解决方案是光流法，通过求解偏微分方程求的图像序列的光流场，从而预测摄像机的运动状态。对于摄像机固定的情形，当然也可以用光流法，但是由于光流法的复杂性，往往难以实时的计算，所以我采用高斯背景模型。因为，在摄像机固定的情况下，背景的变化是缓慢的，而且大都是光照，风等等的影响，通过对背景建模，对一幅给定图像分离前景和背景，一般来说，前景就是运动物体，从而达到运动物体检测的目的。
　　单分布高斯背景模型
　　单分布高斯背景模型认为，对一个背景图像，特定像素亮度的分布满足高斯分布，即对背景图像B，(x,y)点的亮度满足：
　　IB(x,y) ~ N(u,d)
　　这样我们的背景模型的每个象素属性包括两个参数：平均值u 和 方差d。
　　对于一幅给定的图像G，如果 Exp(-(IG(x,y)-u(x,y))^2/(2*d^2)) > T，认为(x,y)是背景点，反之是前景点。
　　同时，随着时间的变化，背景图像也会发生缓慢的变化，这时我们要不断更新每个象素点的参数
　　u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y)
　　这里，a称为更新参数，表示背景变化的速度，一般情况下，我们不更新d（实验中发现更不更新d，效果变化不大）。
　　段时间我一直试OpenCV里这个函数的使用，把一些初步的心得发出来，有问题的地方请大家多指点。
　　高斯混合模型是用于背景提取的方法，OpenCV的cvaux中cvbgfg_gaussmix.cpp文件根据文献An improved adaptive background mixture model for real-time tracking with shadow中提供的方法编写了高斯混合模型函数。其中定义了CvGaussBGModel类用于存放高斯混合模型的各个参数。我用OpenCV使用高斯混合模型函数分以下几步：
　　1。需要用到icvUpdateGaussianBGModel，icvReleaseGaussianBGModel两个函数，但是源程序中将这两个函数定义为内部函数，需要做一些修改，首先将cvbgfg_gaussmix.cpp中前面两个函数的声明static void CV_CDECL icvReleaseGaussianBGModel( CvGaussBGModel** bg_model );
　　static int CV_CDECL icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model );两行代码注释掉。然后在cvbgfg_gaussmix.cpp中间部分两个函数的定义部分，函数头static int和static void改成CV_IMPL int 和CV_IMPL void。最后在cvaux.h文件中CVAPI(CvBGStatModel*) cvCreateGaussianBGModel( IplImage* first_frame,
　　CvGaussBGStatModelParams* parameters CV_DEFAULT(NULL));这句后面加上以下两句CVAPI(void) icvReleaseGaussianBGModel( CvGaussBGModel** bg_model );
　　CVAPI(int) icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model );
　　程序修改完毕，点rebuild all，全部重新编译。
　　2。在程序初始化部分定义高斯混合模型参数CvGaussBGModel* bg_model=NULL;在读取第一帧图像（背景图像）时，进行高斯背景建模bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(image, 0);image可以是灰度图象也可以是彩色图像。接下来再读取当前帧时，更新高斯模型
　　regioncount=icvUpdateGaussianBGModel(currframe, bg_model );regioncount的含义我不确定，我理解是代表背景中不同颜色区域的个数，这个参数我没有用到，它只是icvUpdateGaussianBGModel函数的返回值。
　　3。现在bg_model已经保存了经过高斯混合模型分类后的结果，bg_model->background保存了背景图像，bg_model->foreground保存了前景图像。
　　include <stdio.h>
　　#include <cv.h>
　　#include <cxcore.h>
　　#include <highgui.h>
　　#include <cvaux.h>//必须引此头文件
　　int main( int argc, char** argv )
　　{
　　IplImage* pFrame = NULL;
　　IplImage* pFrImg = NULL;
　　IplImage* pBkImg = NULL;
　　CvCapture* pCapture = NULL;
　　int nFrmNum = 0;
　　cvNamedWindow("video", 1);
　　cvNamedWindow("background",1);
　　cvNamedWindow("foreground",1);
　　cvMoveWindow("video", 30, 0);
　　cvMoveWindow("background", 360, 0);
　　cvMoveWindow("foreground", 690, 0);
　　if( argc > 2 )
　　{
　　fprintf(stderr, "Usage: bkgrd [video_file_name]/n");
　　return -1;
　　}
　　//打开视频文件
　　if(argc == 2)
　　if( !(pCapture = cvCaptureFromFile(argv[1])))
　　{
　　fprintf(stderr, "Can not open video file %s/n", argv[1]);
　　return -2;
　　}
　　//打开摄像头
　　if (argc == 1)
　　if( !(pCapture = cvCaptureFromCAM(-1)))
　　{
　　fprintf(stderr, "Can not open camera./n");
　　return -2;
　　}
　　//初始化高斯混合模型参数
　　CvGaussBGModel* bg_model=NULL;
　　while(pFrame = cvQueryFrame( pCapture ))
　　{
　　nFrmNum++;
　　if(nFrmNum == 1)
　　{
　　pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,3);
　　pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1);
　　//高斯背景建模，pFrame可以是多通道图像也可以是单通道图像
　　//cvCreateGaussianBGModel函数返回值为CvBGStatModel*，
　　//需要强制转换成CvGaussBGModel*
　　bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(pFrame, 0);
　　}
　　else
　　{
　　//更新高斯模型
　　cvUpdateBGStatModel(pFrame, (CvBGStatModel *)bg_model );
　　//pFrImg为前景图像，只能为单通道
　　//pBkImg为背景图像，可以为单通道或与pFrame通道数相同
　　cvCopy(bg_model->foreground,pFrImg,0);
　　cvCopy(bg_model->background,pBkImg,0);
　　//把图像正过来
　　pBkImg->origin=1;
　　pFrImg->origin=1;
　　cvShowImage("video", pFrame);
　　cvShowImage("background", pBkImg);
　　cvShowImage("foreground", pFrImg);
　　if( cvWaitKey(2) >= 0 )
　　break;
　　}
　　}
　　//释放高斯模型参数占用内存
　　cvReleaseBGStatModel((CvBGStatModel**)&bg_model);
　　cvDestroyWindow("video");
　　cvDestroyWindow("background");
　　cvDestroyWindow("foreground");
　　cvReleaseImage(&pFrImg);
　　cvReleaseImage(&pBkImg);
　　cvReleaseCapture(&pCapture);
　　return 0;
　　}