运动目标检测——ViBe算法代码分析

运动检测(前景检测)之——ViBe

       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。

       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

       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://blog.csdn.net/charlene_bo/article/details/62881857

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





运动目标前景检测之ViBe源代码分析

一方面为了学习,一方面按照老师和项目的要求接触到了前景提取的相关知识,具体的方法有很多,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。
更为具体的资料可以参考一下链接,作者做了很好的总结。点击打开链接http://blog.csdn.net/zouxy09/article/details/9622285

我只要针对作者提供的源代码,加上我的理解最代码捉了做了相关的注释,便于自己对代码的阅读和与大家的交流,如果不妥之处,稀罕大家多多提出,共同进步

ViBe.h(头文件,一般做申明函数、类使用,不做具体定义)

 

  1. #pragma once    
  2. #include     
  3. #include "opencv2/opencv.hpp"   
  4.     
  5. using namespace cv;    
  6. using namespace std;    
  7.     
  8. #define NUM_SAMPLES 20      //每个像素点的样本个数    
  9. #define MIN_MATCHES 2       //#min指数    
  10. #define RADIUS 20       //Sqthere半径    
  11. #define SUBSAMPLE_FACTOR 16 //子采样概率,决定背景更新的概率  
  12.     
  13.     
  14. class ViBe_BGS    
  15. {    
  16. public:    
  17.     ViBe_BGS(void);  //构造函数  
  18.     ~ViBe_BGS(void);  //析构函数,对开辟的内存做必要的清理工作  
  19.     
  20.     void init(const Mat _image);   //初始化    
  21.     void processFirstFrame(const Mat _image); //利用第一帧进行建模   
  22.     void testAndUpdate(const Mat _image);  //判断前景与背景,并进行背景跟新   
  23.     Mat getMask(void){return m_mask;};  //得到前景  
  24.     
  25. private:    
  26.     Mat m_samples[NUM_SAMPLES];  //每一帧图像的每一个像素的样本集  
  27.     Mat m_foregroundMatchCount;  //统计像素被判断为前景的次数,便于跟新  
  28.     Mat m_mask;  //前景提取后的一帧图像  
  29. };    

ViBe.cpp(上面所提到的申明的具体定义)

 

 

  1. #include     
  2. #include     
  3. #include "ViBe.h"    
  4.     
  5. using namespace std;    
  6. using namespace cv;    
  7.     
  8. int c_xoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //x的邻居点,9宫格  
  9. int c_yoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //y的邻居点    
  10.     
  11. ViBe_BGS::ViBe_BGS(void)    
  12. {    
  13.     
  14. }    
  15. ViBe_BGS::~ViBe_BGS(void)    
  16. {    
  17.     
  18. }    
  19.     
  20. /**************** Assign space and init ***************************/    
  21. void ViBe_BGS::init(const Mat _image)  //成员函数初始化  
  22. {    
  23.      for(int i = 0; i < NUM_SAMPLES; i++) //可以这样理解,针对一帧图像,建立了20帧的样本集  
  24.      {    
  25.          m_samples[i] = Mat::zeros(_image.size(), CV_8UC1);  //针对每一帧样本集的每一个像素初始化为8位无符号0,单通道  
  26.      }    
  27.      m_mask = Mat::zeros(_image.size(),CV_8UC1); //初始化   
  28.      m_foregroundMatchCount = Mat::zeros(_image.size(),CV_8UC1);  //每一个像素被判断为前景的次数,初始化  
  29. }    
  30.     
  31. /**************** Init model from first frame ********************/    
  32. void ViBe_BGS::processFirstFrame(const Mat _image)    
  33. {    
  34.     RNG rng;    //随机数产生器                                      
  35.     int row, col;    
  36.     
  37.     for(int i = 0; i < _image.rows; i++)    
  38.     {    
  39.         for(int j = 0; j < _image.cols; j++)    
  40.         {    
  41.              for(int k = 0 ; k < NUM_SAMPLES; k++)    
  42.              {    
  43.                  // Random pick up NUM_SAMPLES pixel in neighbourhood to construct the model    
  44.                  int random = rng.uniform(0, 9);  //随机产生0-9的随机数,主要用于定位中心像素的邻域像素  
  45.     
  46.                  row = i + c_yoff[random]; //定位中心像素的邻域像素   
  47.                  if (row < 0)   //下面四句主要用于判断是否超出边界  
  48.                      row = 0;    
  49.                  if (row >= _image.rows)    
  50.                      row = _image.rows - 1;    
  51.     
  52.                  col = j + c_xoff[random];    
  53.                  if (col < 0)    //下面四句主要用于判断是否超出边界  
  54.                      col = 0;    
  55.                  if (col >= _image.cols)    
  56.                      col = _image.cols - 1;    
  57.     
  58.                  m_samples[k].at(i, j) = _image.at(row, col);  //将相应的像素值复制到样本集中  
  59.              }    
  60.         }    
  61.     }    
  62. }    
  63.     
  64. /**************** Test a new frame and update model ********************/    
  65. void ViBe_BGS::testAndUpdate(const Mat _image)    
  66. {    
  67.     RNG rng;    
  68.     
  69.     for(int i = 0; i < _image.rows; i++)    
  70.     {    
  71.         for(int j = 0; j < _image.cols; j++)    
  72.         {    
  73.             int matches(0), count(0);    
  74.             float dist;    
  75.     
  76.             while(matches < MIN_MATCHES && count < NUM_SAMPLES) //逐个像素判断,当匹配个数大于阀值MIN_MATCHES,或整个样本集遍历完成跳出  
  77.             {    
  78.                 dist = abs(m_samples[count].at(i, j) - _image.at(i, j)); //当前帧像素值与样本集中的值做差,取绝对值   
  79.                 if (dist < RADIUS)  //当绝对值小于阀值是,表示当前帧像素与样本值中的相似  
  80.                     matches++;   
  81.   
  82.                 count++;  //取样本值的下一个元素作比较  
  83.             }    
  84.     
  85.             if (matches >= MIN_MATCHES)  //匹配个数大于阀值MIN_MATCHES个数时,表示作为背景  
  86.             {    
  87.                 // It is a background pixel    
  88.                 m_foregroundMatchCount.at(i, j) = 0;  //被检测为前景的个数赋值为0  
  89.     
  90.                 // Set background pixel to 0    
  91.                 m_mask.at(i, j) = 0;  //该像素点值也为0  
  92.     
  93.                 // 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    
  94.                 int random = rng.uniform(0, SUBSAMPLE_FACTOR);   //以1 / defaultSubsamplingFactor概率跟新背景  
  95.                 if (random == 0)    
  96.                 {    
  97.                     random = rng.uniform(0, NUM_SAMPLES);    
  98.                     m_samples[random].at(i, j) = _image.at(i, j);    
  99.                 }    
  100.     
  101.                 // 同时也有 1 / defaultSubsamplingFactor 的概率去更新它的邻居点的模型样本值    
  102.                 random = rng.uniform(0, SUBSAMPLE_FACTOR);    
  103.                 if (random == 0)    
  104.                 {    
  105.                     int row, col;    
  106.                     random = rng.uniform(0, 9);    
  107.                     row = i + c_yoff[random];    
  108.                     if (row < 0)   //下面四句主要用于判断是否超出边界  
  109.                         row = 0;    
  110.                     if (row >= _image.rows)    
  111.                         row = _image.rows - 1;    
  112.     
  113.                     random = rng.uniform(0, 9);    
  114.                     col = j + c_xoff[random];    
  115.                     if (col < 0)   //下面四句主要用于判断是否超出边界  
  116.                         col = 0;    
  117.                     if (col >= _image.cols)    
  118.                         col = _image.cols - 1;    
  119.     
  120.                     random = rng.uniform(0, NUM_SAMPLES);    
  121.                     m_samples[random].at(row, col) = _image.at(i, j);  //模型样本值更新  
  122.                 }    
  123.             }   
  124.   
  125.             else  //匹配个数小于阀值MIN_MATCHES个数时,表示作为前景  
  126.             {    
  127.                 // It is a foreground pixel    
  128.                 m_foregroundMatchCount.at(i, j)++;  //检测为前景的个数加1  
  129.     
  130.                 // Set background pixel to 255    
  131.                 m_mask.at(i, j) =255;    //前景点用白色(255)表示
  132.     
  133.                 //如果某个像素点连续N次(这里为50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    
  134.                 if (m_foregroundMatchCount.at(i, j) > 50)    
  135.                 {    
  136.                     int random = rng.uniform(0, SUBSAMPLE_FACTOR);    
  137.                     if (random == 0)    
  138.                     {    
  139.                         random = rng.uniform(0, NUM_SAMPLES);    
  140.                         m_samples[random].at(i, j) = _image.at(i, j);    
  141.                     }    
  142.                 }    
  143.             }    
  144.         }    
  145.     }    
  146. }    

main.cpp(你懂的……)

 

 

  1. #include   
  2. #include "ViBe.h"    
  3. #include     
  4. #include     
  5. #include  
  6. using namespace cv;    
  7. using namespace std;    
  8.     
  9. int main(int argc, char* argv[])    
  10. {    
  11.     Mat frame, gray, mask;    
  12.     VideoCapture capture;    
  13.     capture.open("E:\\overpass\\11.avi");    //输入视频地址
  14.     
  15.     if (!capture.isOpened())    
  16.     {    
  17.         cout<<"No camera or video input!\n"<
  18.         return -1;    
  19.     }    
  20.     
  21.     ViBe_BGS Vibe_Bgs; //定义一个背景差分对象  
  22.     int count = 0; //帧计数器,统计为第几帧   
  23.     
  24.     while (1)    
  25.     {    
  26.         count++;    
  27.         capture >> frame;    
  28.         if (frame.empty())    
  29.             break;    
  30.         cvtColor(frame, gray, CV_RGB2GRAY); //转化为灰度图像   
  31.         
  32.         if (count == 1)  //若为第一帧  
  33.         {    
  34.             Vibe_Bgs.init(gray);    
  35.             Vibe_Bgs.processFirstFrame(gray); //背景模型初始化   
  36.             cout<<" Training GMM complete!"<
  37.         }    
  38.         else    
  39.         {    
  40.             Vibe_Bgs.testAndUpdate(gray);    
  41.             mask = Vibe_Bgs.getMask();    //计算前景
  42.             morphologyEx(mask, mask, MORPH_OPEN, Mat());   //形态学处理消除前景图像中的小噪声,这里用的开运算 
  43.             imshow("mask", mask);    
  44.         }    
  45.     
  46.         imshow("input", frame);     
  47.     
  48.         if ( cvWaitKey(10) == 'q' )    //键盘键入q,则停止运行,退出程序
  49.             break;    
  50.     }    
  51.   system("pause");  
  52.     return 0;    
  53. }    

你可能感兴趣的:(图像处理,目标检测,背景差分法)