运动检测（前景检测）之（一）ViBe

著作权归作者所有。
商业转载请联系作者获得授权，非商业转载请注明出处。
作者：cvvision
链接：http://www.cvvision.cn/1338.html
来源：CV视觉网


因为监控发展的需求，目前前景检测的研究还是很多的，也出现了很多新的方法和思路。个人了解的大概概括为以下一些：


帧差、背景减除（GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……）、光流（稀疏光流、稠密光流）、运动竞争（Motion Competition）、运动模版（运动历史图像）、时间熵……等等。如果加上他们的改进版，那就是很大的一个家族了。


对于上一些方法的一点简单的对比分析可以参考下：


http://www.cnblogs.com/ronny/archive/2012/04/12/2444053.html


至于哪个最好，看使用环境吧，各有千秋，有一些适用的情况更多，有一些在某些情况下表现更好。这些都需要针对自己的使用情况作测试确定的。呵呵。


推荐一个牛逼的库：http://code.google.com/p/bgslibrary/里面包含了各种背景减除的方法，可以让自己少做很多力气活。


还有王先荣博客上存在不少的分析：


http://www.cnblogs.com/xrwang/archive/2010/02/21/ForegroundDetection.html


下面的博客上转载王先荣的上面几篇，然后加上自己分析了两篇：


http://blog.csdn.net/stellar0


本文主要关注其中的一种背景减除方法：ViBe。stellar0的博客上对ViBe进行了分析，我这里就不再啰嗦了，具体的理论可以参考：


http://www2.ulg.ac.be/telecom/research/vibe/


http://blog.csdn.net/stellar0/article/details/8777283


http://blog.csdn.net/yongshengsilingsa/article/details/6659859


http://www2.ulg.ac.be/telecom/research/vibe/download.html


http://www.cvchina.info/2011/12/25/vibe/


《ViBe: A universal background subtraction algorithm for video sequences》


《ViBe: a powerful technique for background detection and subtraction in video sequences》


 


ViBe是一种像素级视频背景建模或前景检测的算法，效果优于所熟知的几种算法，对硬件内存占用也少，很简单。我之前根据stellar0的代码（在这里，非常感谢stellar0）改写成一个Mat格式的代码了，现在摆上来和大家交流，具体如下：（在VS2010+Opencv2.4.2中测试通过）


 


ViBe.h


#pragma once
#include <iostream>
#include “opencv2/opencv.hpp”
using namespace cv;
using namespace std;
#define NUM_SAMPLES 20      //每个像素点的样本个数
#define MIN_MATCHES 2       //#min指数
#define RADIUS 20       //Sqthere半径
#define SUBSAMPLE_FACTOR 16 //子采样概率
class ViBe_BGS
{
public:
    ViBe_BGS(void);
    ~ViBe_BGS(void);
    void init(const Mat _image);   //初始化
    void processFirstFrame(const Mat _image);
    void testAndUpdate(const Mat _image);  //更新
    Mat getMask(void){return m_mask;};
private:
    Mat m_samples[NUM_SAMPLES];
    Mat m_foregroundMatchCount;
    Mat m_mask;
};
ViBe.cpp


#include <opencv2/opencv.hpp>
#include <iostream>
#include “ViBe.h”
using namespace std;
using namespace cv;
int c_xoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //x的邻居点
int c_yoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //y的邻居点
ViBe_BGS::ViBe_BGS(void)
{
}
ViBe_BGS::~ViBe_BGS(void)
{
}
/**************** Assign space and init ***************************/
void ViBe_BGS::init(const Mat _image)
{
     for(int i = 0; i < NUM_SAMPLES; i++)
     {
         m_samples[i] = Mat::zeros(_image.size(), CV_8UC1);
     }
     m_mask = Mat::zeros(_image.size(),CV_8UC1);
     m_foregroundMatchCount = Mat::zeros(_image.size(),CV_8UC1);
}
/**************** Init model from first frame ********************/
void ViBe_BGS::processFirstFrame(const Mat _image)
{
    RNG rng;
    int row, col;
    for(int i = 0; i < _image.rows; i++)
    {
        for(int j = 0; j < _image.cols; j++)
        {
             for(int k = 0 ; k < NUM_SAMPLES; k++)
             {
                 // Random pick up NUM_SAMPLES pixel in neighbourhood to construct the model
                 int random = rng.uniform(0, 9);
                 row = i + c_yoff[random];
                 if (row < 0)
                     row = 0;
                 if (row >= _image.rows)
                     row = _image.rows – 1;
                 col = j + c_xoff[random];
                 if (col < 0)
                     col = 0;
                 if (col >= _image.cols)
                     col = _image.cols – 1;
                 m_samples[k].at<uchar>(i, j) = _image.at<uchar>(row, col);
             }
        }
    }
}
/**************** Test a new frame and update model ********************/
void ViBe_BGS::testAndUpdate(const Mat _image)
{
    RNG rng;
    for(int i = 0; i < _image.rows; i++)
    {
        for(int j = 0; j < _image.cols; j++)
        {
            int matches(0), count(0);
            float dist;
            while(matches < MIN_MATCHES && count < NUM_SAMPLES)
            {
                dist = abs(m_samples[count].at<uchar>(i, j) – _image.at<uchar>(i, j));
                if (dist < RADIUS)
                    matches++;
                count++;
            }
            if (matches >= MIN_MATCHES)
            {
                // It is a background pixel
                m_foregroundMatchCount.at<uchar>(i, j) = 0;
                // Set background pixel to 0
                m_mask.at<uchar>(i, j) = 0;
                // 如果一个像素是背景点，那么它有 1 / defaultSubsamplingFactor 的概率去更新自己的模型样本值
                int random = rng.uniform(0, SUBSAMPLE_FACTOR);
                if (random == 0)
                {
                    random = rng.uniform(0, NUM_SAMPLES);
                    m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);
                }
                // 同时也有 1 / defaultSubsamplingFactor 的概率去更新它的邻居点的模型样本值
                random = rng.uniform(0, SUBSAMPLE_FACTOR);
                if (random == 0)
                {
                    int row, col;
                    random = rng.uniform(0, 9);
                    row = i + c_yoff[random];
                    if (row < 0)
                        row = 0;
                    if (row >= _image.rows)
                        row = _image.rows – 1;
                    random = rng.uniform(0, 9);
                    col = j + c_xoff[random];
                    if (col < 0)
                        col = 0;
                    if (col >= _image.cols)
                        col = _image.cols – 1;
                    random = rng.uniform(0, NUM_SAMPLES);
                    m_samples[random].at<uchar>(row, col) = _image.at<uchar>(i, j);
                }
            }
            else
            {
                // It is a foreground pixel
                m_foregroundMatchCount.at<uchar>(i, j)++;
                // Set background pixel to 255
                m_mask.at<uchar>(i, j) = 255;
                //如果某个像素点连续N次被检测为前景，则认为一块静止区域被误判为运动，将其更新为背景点
                if (m_foregroundMatchCount.at<uchar>(i, j) > 50)
                {
                    int random = rng.uniform(0, SUBSAMPLE_FACTOR);
                    if (random == 0)
                    {
                        random = rng.uniform(0, NUM_SAMPLES);
                        m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);
                    }
                }
            }
        }
    }
}
Main.cpp


// This is based on 
// “VIBE: A POWERFUL RANDOM TECHNIQUE TO ESTIMATE THE BACKGROUND IN VIDEO SEQUENCES”
// by Olivier Barnich and Marc Van Droogenbroeck
// Author : zouxy
// Date   : 2013-4-13
// HomePage : http://blog.csdn.net/zouxy09
// Email  : zouxy09@qq.com
#include “opencv2/opencv.hpp”
#include “ViBe.h”
#include <iostream>
#include <cstdio>
using namespace cv;
using namespace std;
int main(int argc, char* argv[])
{
    Mat frame, gray, mask;
    VideoCapture capture;
    capture.open(“video.avi”);
    if (!capture.isOpened())
    {
        cout<<“No camera or video input!\n”<<endl;
        return -1;
    }
    ViBe_BGS Vibe_Bgs;
    int count = 0;
    while (1)
    {
        count++;
        capture >> frame;
        if (frame.empty())
            break;
        cvtColor(frame, gray, CV_RGB2GRAY);
        if (count == 1)
        {
            Vibe_Bgs.init(gray);
            Vibe_Bgs.processFirstFrame(gray);
            cout<<” Training GMM complete!”<<endl;
        }
        else
        {
            Vibe_Bgs.testAndUpdate(gray);
            mask = Vibe_Bgs.getMask();
            morphologyEx(mask, mask, MORPH_OPEN, Mat());
            imshow(“mask”, mask);
        }
        imshow(“input”, frame);
        if ( cvWaitKey(10) == ‘q’ )
            break;
    }
    return 0;
}
CV视觉网，转载请注明来源：CV视觉网 » 运动检测（前景检测）之（一）ViBe