前景识别总结

（1） 帧差法  

方法步骤：

首先，将相邻帧图像对应像素值相减得到差分图像.

然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阂值时，可以认为此处为背景像素:如果图像区域的像素值变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，利用标记的像素区域可以确定运动目标在图像中的位置。帧差法对缓慢变换的光照不是很敏感。

其基本原理可以用下面公式看出：

|i(t)-i(t-1)|<T             背景

|i(t)-i(t-1)|>=T            前景

其中i(t),i(t-1)分别为t,t-1时刻对应像素点的像素值,T为阈值，其选择很相当关键。

关键代码实现：

for(int i=0;i<gray_diff.rows;i++)

for(int j=0;j<gray_diff.cols;j++)//遍历图像矩阵查找活动区域，若查到将其区域颜色至为白色。                     

if(abs(gray_diff.at<unsigned char>(i,j))>=threshold_diff)

         gray_diff.at<unsigned char>(i,j)=255;//白色

else gray_diff.at<unsigned char>(i,j)=0;//非活动区域至为黑色

 

优缺点：由于相邻两帧间的时间间隔非常短，用前一帧图像作为当前帧的背景模型具有较好的实时性，其背景不积累，且更新速度快、算法简单、计算量小、程序复杂度低。

算法的不足在于对环境噪声较为敏感，闽值的选择相当关键，选择过低不足以抑制图像中的噪声，过高则忽略了图像中有用的变化。对于比较大的、颜色一致的运动目标，有可能在目标内部产生空洞，无法完整地提取运动目标。

适用背景：外界环境变化情况不大时使用较为方便快捷。

 

（2）背景图像差分法

背景图像差分法是传统运动同标检测方法中最直接、最简单的一种方法。

方法步骤：

首先，它将选定的背景图像储存储下来。

然后将序列图像当前帧与背景图像做减法运算。由于运动物体和背景在灰度或色彩上存在差别，相减后所得结果中每个像素的值和一个预先设定的阈值相比较，如果这个像素的值小于设定的阈值，则该像素区域被认为是背景区域；如果大于设定的阈值，则判定被监控的场景中存在运动物体，从而得到运动的同标。

R ( i , j ) =1, | F ( i , j ) - G ( i , j ) | > T

式中 : F ( i , j ) 是前景图像 ; G ( i , j ) 是背景图像，T 是某个灰度阈值, 它的大小决定了识别目标的灵敏度 ; 二值图 R ( i , j ) 的区域就是检测到的目标区域。

 

关键代码：

  cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);//转化为灰度图像

         cvConvert(pFrImg, pFrameMat);//将图像转化为矩阵

 

//当前帧跟背景图相减

         cvAbsDiff(pFrameMat, pBkMat, pFrMat);

 //对灰度图像进行阈值操作得到二值图像

         cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);

 

         cvRunningAvg(pFrameMat, pBkMat, 0.003, 0);

         cvConvert(pBkMat, pBkImg);  //将背景转化为图像格式，用以显示，删除也可以

         cvShowImage("video", pFrame);

优缺点：

背景图像差分法其原理和算法设计简单；可以根据实际情况确定阈值进行处理，所得结果直接反映了运动目标的位置、大小、形状等信息，能够得到比较精确的运动目标信息。但同时也存在受光线、天气等外界条件变化的影响较大；用背景图像差分法去处理目标由静止开始运动的情况，可能出现“鬼影”现象等缺点。

（3）背景图像差分法（阀值为otsu算法）

与背景图像差分法的区别就是阀值不是固定的数值，而是对每幅图经过otsu算法后得出的阀值，这也导致了播放时会有卡顿的现象，但效果比简单的背景差分法更加精细。         这两中方法共同的问题是：在摄像头视频中，结果前景以白色表示，在视频文件中前景有时以黑色表示。另外，背景更新实现得不太理想。

（4）背景更新用最简单的用高斯混合背景模型或otsu里面背景更新。