背景建模运动目标跟踪 matlab程序

最新推荐文章于 2024-09-03 21:32:54 发布

hololoed

最新推荐文章于 2024-09-03 21:32:54 发布

阅读量2.1w

点赞数 1

分类专栏：机器视觉文章标签： matlab components variables avi each algorithm

本文链接：https://blog.csdn.net/hololoed/article/details/7613598

版权

本文介绍了一种使用混合高斯模型在Matlab中进行背景建模和运动目标跟踪的方法。通过建立多个高斯组件来表征图像像素特征，实时更新均值和方差，实现运动车辆的提取和跟踪。程序通过读取BMP图像文件，对每一帧图像进行处理，找出与背景模型匹配的像素点作为背景，其余作为前景。最后，通过计算像素差值和标准差更新模型，并输出目标轨迹。

摘要由CSDN通过智能技术生成

题目：背景建模和前景分割的方式把运动车辆提取出来。并进行最近临关联，输出目标轨迹。

混合高斯模型使用K（基本为3到5个）个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。

程序：（参考其他程序改进而得）

% mixture of Gaussians algorithm for background混合高斯模型背景建模
%混合高斯模型适用于相机固定的运动目标检测，光流法适用于相机运动的运动目标检测

close all;
clear all;
source=dir('*.bmp');

% ----------------------- frame size variables -----------------------
% read in 1st frame as background frame
fr=imread(source(1).name);
fr_bw = rgb2gray(fr); % convert background to greyscale
fr_size = size(fr);
width = fr_size(2);
height = fr_size(1);
fg = zeros(height, width);
bg_bw = zeros(height, width);

% --------------------- mog variables -----------------------------------

C = 3; % number of gaussian components (typically 3-5) Cgegaosimoxing
M = 3; % number of background components,
D = 2.5; % positive deviat