matlab 提高运行速度,想提高一下运行速度

% 高斯背景建模，根据Seth Benton的代码修改得到。

clear all;

% 获取视频文件

read_obj = VideoReader('F:\pic\test16.mp4');

% pixel_depth = 8;                                    % 转成灰度图像后每个像素点使用的位数

% pixel_range = 2 ^ pixel_depth - 1;                  % 灰度图像亮度值范围

height = read_obj.Height;                             % 图片的高度(像素数)

width = read_obj.Width;                               % 图片的宽度(像素数)

fr_num = read_obj.NumberOfFrames;                     % 视频帧数

tmp = read(read_obj, [1 fr_num-1]);                        % 读取n1-n2帧并转化为灰度图、双精度

fr_all = zeros(height, width, fr_num-1);               % 存放n1-n2帧的灰度图

for i = 1 : fr_num-1                                   % 第一帧到第n2帧循环

fr_all(:, :, i) = rgb2gray(tmp(:, :, :, i));   %？？？？？？

end

fr_all = double(fr_all);                              % 转换成双精度，适合后面的运算

K = 3;                                                % 高斯分布的个数

D = 2.5;                                              % 与某个分布的均值距离在2.5个标准差之内即与此高斯分布匹配

alpha = 0.01;                                         % 权重w的学习率

T = 0.75;                                             % 前景、背景的门限

sd_init = 6;                                          % 初始化标准差，一个比较大的值

dist = zeros(height, width, K);                       % 存放新来的一张图像的像素值与各个高斯均值的差

% 初始化各个高斯分布的权重、均值、标准差

w = zeros(height, width, K);                          % 第一个高斯分布的初始权重为1，其余分布的权重为0

w(:, :, 1) = 1;

w(:, :, 2:K) = 2^-8;

mean = zeros(height, width, K);                       % 第一个高斯分布的初始均值为第一帧的值，其余分布的均值为0

mean(:, :, 1) = fr_all(:, :, 1);

sd = sd_init * ones(height, width, K);                % 各个高斯分布的初始标准差

matchcnt = ones(height, width, K);                    % 匹配的次数，初始值都设为1

fg_bg = zeros(height, width);                         % 前景、背景的二值图像，白色代表前景，黑色代表背景

bg = zeros(height, width);                          % 背景图像，是前面比例之和大于T的高斯的均值的加权和

%write_obj1 = VideoWriter('gm_hand.avi');     % 新建avi视频，存放二值图像序列

%write_obj2 = VideoWriter('background_traffic_2.avi'); % 新建avi视频，存放背景图像序列

%open(write_obj1);

%open(write_obj2);

%for n = n1+1 : n2

% 从第二帧开始处理

for n = 3 : fr_num-1

G =read(read_obj,n);

G =rgb2gray(G);

new_fr = fr_all(:, :, n) ;                                             % 读取第n帧灰度图

%new_fr = double( rgb2gray( read(read_obj, n) ) );                     % 读取第n帧，并转换为灰度图

dist = abs( repmat(new_fr, [1, 1, K]) - mean ) ;                       % 求出与各个高斯分布均值的差值

% 每个像素点都进行匹配、更新

for i = 1 : height

for j = 1 : width

match = 0;                                                     % 像素值与至少一个高斯匹配的标志

match_ind = 0;                                                 % match_ind为最匹配的高斯的序号

% 与K个高斯分别进行匹配判断，然后更新参数

for k = 1 : K

if( (dist(i, j, k) <= D * sd(i, j, k)) && (match == 0) )   % 当与多个高斯匹配时，选择fitness(匹配程度，w/sd)最大的。这里假定K个高斯已经按照fitness从大到小

% 排好序了，只有当上面的分布没匹配才判断与下面的分布是否匹配。

match = 1;                                             % 若匹配，则标志置1，忽略后面其它可能匹配的高斯

match_ind = k;                                         % 记录匹配的高斯的序号

p = alpha / w(i, j, k);                                % 均值、方差的学习率

mean(i, j, k) = (1 - p) * mean(i, j, k) + p * new_fr(i, j);                             % 先更新均值

sd(i, j, k) = sqrt((1 - p) * sd(i, j, k) ^ 2 + p * (new_fr(i, j) - mean(i, j, k)) ^ 2); % 再更新方差

w(i, j, k) = (1 - alpha) * w(i, j, k) + alpha;         % 增加权重

if matchcnt(i, j, k) ~= 255                            % 匹配次数达到255就不加了。在实时视频序列中，上限是必须的，否则可能溢出。

matchcnt(i, j, k) = matchcnt(i, j, k) + 1;

end

else

w(i, j, k) = (1 - alpha) * w(i, j, k);                 % 减小权重

end

end

if(match == 0)                                                 % 没有匹配的高斯，建立新的高斯取代fitness最低的(排序后排在最后面的那个)

matchcnt(i, j, K) = 1;                                     % 匹配次数设为1，一个小值

w(i, j, K) = 1 / ( sum( matchcnt(i, j, :) ) - 1 );         % 权值为其它高斯分布匹配次数之和的倒数

mean(i, j, K) = new_fr(i, j);                              % 均值为当前像素值

sd(i, j, K) = sd_init;                                     % 标准差为一个预设定的较大值

end

% 再归一化权重

w_sum = sum(w(i, j, :));

w(i, j, :) = w(i, j, :) / w_sum;

% 从大到小对几个高斯分布的fitness排序

fitness = w(i, j, :) ./ sd(i, j, :);

[sorted_fit, ind] = sort(fitness, 'descend');

% 根据权重(论文公式(9))求出前景-背景二值图像

% 这里我简化了的方法只适合于3个高斯的情况

fg_bg(i, j) = 255;

if(match == 1)

switch match_ind

case ind(1)                                             % 与最上面的高斯匹配，肯定是归为背景点

fg_bg(i, j) = 0;

case ind(2)                                             % 与中间的高斯匹配，如果最上面一个高斯的权值小于T，则这点归为背景点

if w(i, j, ind(1)) < T

fg_bg(i, j) = 0;

end

case ind(3)                                             % 与最下面的高斯匹配，如果最下面的高斯权值大于1-T(或者前两个高斯权值和小于T)，则这点归为背景点

if w(i, j, ind(3)) > 1 - T

% if w(i, j, ind(1)) + w(i, j, ind(2)) < T

fg_bg(i, j) = 0;

end

end

% else                                                         % 不执行，节省运行时间

% fg_bg(i, j) = 255;

end

% 根据fitness的排序结果调整参数的顺序

tmp = [mean(i, j, :); sd(i, j, :); w(i, j, :); matchcnt(i, j, :)]; % 为了排序时，几个参数同步调整，所以组合在一起

mean(i, j, :) = tmp(1, ind);

sd(i, j, :) = tmp(2, ind);

w(i, j, :) = tmp(3, ind);

matchcnt(i, j, :) = tmp(4, ind);

% 根据权重求出背景图像

if w(i, j, 1) > T

bg(i, j) = w(i, j, 1) * mean(i, j, 1);

else

if w(i, j, 1) + w(i, j, 2) > T

bg(i, j) = w(i, j, 1) * mean(i, j, 1) + w(i, j, 2) * mean(i, j, 2);

else

bg(i, j) = sum(w(i, j, :) .* mean(i, j, :));

end

end

end

end

figure(1),imshow(uint8(bg));

处理一帧需要3秒左右，能不能提高效率，运行的时间短点？

2017-3-25 19:01 上传

点击文件名下载附件

891.33 KB, 下载次数: 8

测试视频