【图像处理】背景消除建模实现目标跟踪：GMM、KNN

背景消除建模的基本原理是用 当前帧 - 背景模型 = 前景对象

该算法对于背景固定下的移动目标有着很好的效果。

GMM（高斯混合模型）是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息表示别境，然后使用统计差分进行目标像素判断达到预期效果。

高斯混合模型：使用高斯概率密度函数精确的量化事物，将一个事物分解为若干个基于高斯概率密度函数行程的模型。

二维：事物的数学表现形式是曲线，任何一个曲线，无论多么复杂，都可用若干个高斯模型去逼近他。

三维：任何一个曲面都可以用高斯函数来逼近，像蜿蜒起伏的山谷。

以上是本人对该算法的一些简浅的总结。

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;

int main()
{
	//VideoCapture capture(0);  使用摄像头进行捕捉
	VideoCapture capture;
	capture.open("demo5.mp4");
	if (!capture.isOpened())
	{
		printf("cloud not find the file\n");
		return -1;
	}

	Mat frame;  //从视屏中读取的原始帧
	Mat bsmaskMOG2;

	Ptr<BackgroundSubtractor> pMOG2 = createBackgroundSubtractorMOG2();
	
	while (capture.read(frame))
	{
		imshow("input_video",frame);
		pMOG2->apply(frame, bsmaskMOG2);
		imshow("MOG2", bsmaskMOG2);
		char c = waitKey(30);
		if (c == 27)
		{
			break;
		}
	}

	capture.release();
	waitKey(0);
	return 0;
}

实验视频为办公室拍摄，因为手持手机拍摄，所以拍摄过程中有些抖动，造成大量噪声点。

可在程序中加上一些滤波操作，去除噪声，框出目标并添加坐标位置，类似操作将在下篇博客中添加。

算法效果：

KNN

这个算法就不多说了，K最近邻，简单理解就是每一个像素都可以被他身边的K个弟兄代表，，，

这个算法告诉我们，要有危机意识，不努力容易被身边人替代啊。。。

KNN用于跟踪算法实现：

Ptr<BackgroundSubtractor> pKNN = createBackgroundSubtractorKNN();