opencv学习笔记（3）背景分离-平均背景法

平均背景法

为达到前景目标的识别，譬如，交通路口对车辆的识别、监控器对行人的识别，常用的且较为有效的方法就是背景差分法（还有其他的方法，比如光流场法,帧差法），即用一张有要识别目标的图像减去相应的背景图像，那么所得的结果便是我们所要的目标。

然而，如何获取一个“美好”的背景图，是背景差分法的关键和难点。此处介绍一种最为简单的获取背景的方法——平均背景法。

顾名思义，其基本思想就是，将所采集到的背景图片叠加求和，而后求取平均值作为要求的背景。其大致算法流程如下：

1.将采集到的部分图片，利用opencv的cvAcc函数累加求和，并统计累加次数，累加完成后在用cvConvertScale函数求取平均值，记为A。（注意理解该平均值的意思是在（x,y）位置处，所有参与求和计算的图像在该点出的像素平均值，每一点的像素平均值是不同的）

2.前一帧图像和当前参与累加的图像求差的绝对值，利用cvAbsDiff函数，而后该绝对值图像也进行累加求平均值，记为D。（同理这是某点的差值平均值）它描述的是某点像素值得波动幅度。

3.那么有1和2便可以认为，图像某点的像素值P若满足A-D < P < A+D，则认为此点属于背景，然而由于前景目标的加入，可能对背景点的亮度有一定的影响，故对波动幅度D进行一定的放缩，若 A -KD < p < A + KD，便认为该点为背景点。自然在该范围外的点，便是我们需要的前景点。那么用cvThreshold函数完成二值化。我们的目的就达到了。

此为背景建模最简单的方法，在室内等干扰较少的环境下使用时，效果较好，一旦有些许干扰则效果严重下降。一种非常有效，不管是运行速度还是处理效果都非常好的算法是CodeBook算法，下篇博客中将会介绍。

欢迎大家学习交流。