运动目标检测之 GMM背景模型算法

最新推荐文章于 2024-04-19 10:57:44 发布

VIP文章 _苏_

最新推荐文章于 2024-04-19 10:57:44 发布

阅读量8.6k

点赞数

分类专栏：模式识别文章标签：算法源码 GMM 背景模型目标检测

本文链接：https://blog.csdn.net/lanxueCC/article/details/54096530

版权

综述

单高斯背景建模是一种基于像素样本统计信息的背景表示方法，它是根据视频中的每个像素在时域上的概率统计信息(均值/方差)来构建各个像素的颜色分布模型，依次来达到背景建模的目的。背景建模完成后，使用统计差分进行目标像素判断以达到对前景目标的检测，同时用目标像素不断更新背景模型以实现对动态背景的建模拟合。

混合高斯背景模型是有限个单高斯分布的加权和，它能描述像素的多峰状态，适用于对光照渐变、树木摇摆等复杂背景进行准确建模。所谓多峰状态就是在同一时间段内，由于场景的复杂性某个像素点存在多个背景状态，比如树木摇摆的某个像素点，在树枝覆盖了这个像素点时它的像素点值（R：35，G：45，B：65），在下帧图像中树枝由于风吹没有覆盖这个像素点时它的值为（R：135，G：200，B：35），对这个像素来说它有这两种背景状态，在视频中很多帧图像的时序上来说，这个像素点不停的出现这两种状态，就呈现了一个多峰的背景分布模型。

高斯背景模型中，认为像素之间的颜色信息互不相关，对各像素点的处理都是相互独立的。对于视频图像中的每一个像素点，其值在序列图像中的变化可看作是不断产生像素值的随机过程，即用高斯分布来描述每个像素点的颜色呈现规律(多峰/单峰)。

原理

在混合高斯背景模型维护中，场景中的一个像素值的混合高斯模型我们假设它有K个高斯分布组成，那么在图像中像素j在时刻t取值为 $x_j$ 的概率为：
$P(x_j) = \sum_{i=1}^Kw_j_t^i * \eta(x_j, \mu_j_t^i, \tau_j_t^i)$

其中 $w_j_t^i$ 表示t时刻像素j的混合高斯模型中第i个高斯分布的权重，满足： $\sum_{i=1}^Kw_j_t^i = 1$
其中
$\mu _j_t^i$ 表示第i个高斯成分的均值
$\tau_j_t^i$ 是协方差： $\tau_j_t^i = (\sigma_j_t^i)^2I$ ，其中 $\sigma_j_t^i$ 是标准差，I是单位矩阵
$\eta$ 为高斯概率密度函数： $\eta(x_j, \mu_j_t^i, \tau_j_t^i) = \frac{1}{\sqrt{\tau_j_t^i}}$ $exp[{\frac{-1}{2}(x_j - \mu _j_t^i)^T(\tau_j_t^i)^{-1}(x_j - \mu _j_t^i)}]$

算法逻辑

1、初始化：取视频第一帧图像中每个像素的值来对各自混合高斯模型中K个单高斯分布的均值赋值，对K个单高斯分布的方差赋值为 $\sigma_{init}^2$ ，对这K个高斯分布权重初始化为 $\omega_{init} = \frac{1}{K}$

2、在视频流中每帧新图像每个像素值 $x_j_t$ 与当前像素的K个单高斯模型逐个进行比较，判断 $x_j_t$ 是否与高斯模型的均值的偏差在一定范围内
$\left| x_j_t - \mu_j_t \right| < \alpha * \sigma_j_{t-1}$
其中， $\alpha$ 是标准差的倍数， $t-1$ 表示前一时刻，在视频流里就是前一帧

3、如果符合上述公式则这个像素值符合这个单高斯背景要求是某个K个模型中某个单高斯背景点，否则是这个单高斯的前景点

4、如果像素点 $x_j_t$ 与某一高斯模式匹配，那么这个高斯模式假设是第i个模式的参数更新如下：
$\rho = \alpha * \eta(x_j_t|\mu_i,\sigma_i)$
$\mu_i _t= (1 - \rho) * \mu_i_t + \rho * x_j_t$
$\sigma_t^2 = (1 - \rho) * \sigma_{t-1}^2 +$ $\rho *(x_j _t- \mu _t^i)^T(x_j _t- \mu _t^i)$

5、如果第二步中没有任何模式匹配，则这个像素对应的K个高斯模式中的最小的被替换，替换的模式的均值为 $x_j_t$ ，方差为 $\sigma_{init}^2$ ，权重为 $\omega_{init}$

6、跳出模式的遍历循环后，各个模式的权值按如下公式更新，
$\omega_i_t = (1 - \alpha)*\omega_i_{t-1} + \alpha * M_i_t$
其中， $\alpha$ 学习速率，对于匹配的模式 $M_i_t = 1$ 不匹配的模式 $M_i_t = 0$ ，然后对各模式权重归一化

7、各个模式根据 $\frac{\omega}{\alpha^2}$ 的值降序排列，权重大，标准差小的模式排在前面

8、排序完成后，取前 $B_j}$ 个高斯模型作为整个混合高斯模型的背景分布，要求就是，这 $B_j}$ 个高斯的权重累加起来的和大于一定阈值：
$B_j = min ( \sum_{i=1}^kw_j_t^i <$ T)}$
其中：T是人为设定的阈值，k是表示几个高斯模型。

9、结合第3步与第8步，将第3步判断中，如果一个像素相对于第8步中的k个高斯分布来说都是前景点的话，就认为这个像素点是目标检测的目标的一个像素点，将所有这样的像素点组合起来形成前景目标，实现视频目标检测。

算法源码

.h文件

#ifndef OBJDET_INNERHEAD_H
#define OBJDET_INNERHEAD_H

#ifdef __cplusplus
extern "C"{
#endif

#include "ObjDet_Interface.h"

//#define OD_EXE_DSP

#ifdef OD_EXE_DSP

#else
#define OD_VIBE
#endif

#define IN 
#define OUT
#define INOUT


#define OBJ_WH_MIN    32  /*目标宽高最低值*/
#define OBJ_WH_MAX    128 /*目标宽高最大值*/

#define ALIGN_1(a) ((0 == a % 8) ? (a) : (((a + 8)>>3)<<3))
#define ALIGN_2(a) ((0 == a % 16) ? (a) : (((a + 16)>>4)<<4))
#define ALIGN_3(a) ((0 == a % 32) ? (a) : (((a + 32)>>5)<<5))

#define FLTMAX(a, b) ((a > b) ? (a) : (b))
#define FLTMIN(a, b) ((a < b) ? (a) : (b))
#define MEDINCHAR(x) (((x) < 0 ? 0 : ((x) > 255 ? 255 : (x))))

#define SWAP_VALUE(A, B) {int tmpSwap;tmpSwap=A; A=B; B=tmpSwap;}

#define DIFABS(a, b) ((a > b) ? (a - b) : (0))


typedef unsigned char          U8;   
typedef unsigned short         U16; 
typedef unsigned int           U32;
#ifdef CHIP_DM6467
typedef unsigned long long     U64;
#else
typedef unsigned __int64       U64;
#endif

typedef signed char            S8;
typedef signed short           S16;
typedef signed int             S32;
#ifdef CHIP_DM6467
typedef signed long long       S64;
#else
typedef signed __int64         S64;
#endif

typedef float                  FL;
typedef double                 DB;
typedef void                   VD;

typedef unsigned char *         PU8;   
typedef unsigned short *        PU16; 
typedef unsigned int *          PU32;
#ifdef CHIP_DM6467
typedef unsigned long long *    PU64;
#else
typedef unsigned __int64   *    PU64;
#endif

typedef signed char *           PS8;
typedef signed short *          PS16;
typedef signed int *            PS32;
#ifdef CHIP_DM6467
typedef signed long long *      PS64;
#else
typedef signed __int64   *      PS64;
#endif

typedef float *                 PFL;
typedef double *                PDB;
typedef void *                  PVD;


/*^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^函数结构体定义^^^^^^^^^^^^^^^^^^^^^^*/



/*vvvvvvvvvvvvvvvvvvvvvvvvvvvvvv函数结构体定义vvvvvvvvvvvvvvvvvvvvvv*/
#ifdef __cplusplus
}
#endif
#endif

.c文件

#ifdef __cplusplus
extern "C"{
#endif

#include "ObjDet_GmmHead.h"


/*****************************************************************************
 函 数 名  : OD_GmmDestroy
 功能描述  : XXXX
 输入参数  : INOUT void **pWorkHandl  
 输出参数  : 无
 返 回 值  : 
 调用函数  : 
 被调函数  : 

 修改历史      :
  1.日    期   : 2015年2月23日
    作    者   : TL_ImgFIlter
    修改内容   : 新生成函数

*****************************************************************************/
S32 OD_GmmDestroy(INOUT void **pWorkHandl)
{
    U8 ucModePtrIdx = 0;

    GMM_InnerInfoS *pstGmmInnerInfo = NULL;

    if