在做火灾检测时尝试了一下用OpenCV中自带的高斯混合背景建模,由于是快速应用,也没推敲太细,日后有机会再研究吧。
如果只是应用,不推敲原理是很简单的。OpenCV自己有一个高斯模型,源代码在安装目录...\opencvsetuppath\src\cvaux的cvbgfg_gaussmix.cpp文件中。
具体算法是根据P. KaewTraKulPong and R. Bowden的论文《An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Detection》实现的
源码看起来很简单,除了构造、析构函数,不过几个函数:
//初始化函数 void BackgroundSubtractorMOG::initialize(Size _frameSize, int _frameType); //处理单通道图像 static void process8uC1( BackgroundSubtractorMOG& obj, const Mat& image, Mat& fgmask, double learningRate ); //处理多通道图像 static void process8uC3( BackgroundSubtractorMOG& obj, const Mat& image, Mat& fgmask, double learningRate ); //重载构造符(在这里转由 process8uC1 或 process8uC3 处理) void BackgroundSubtractorMOG::operator()(const Mat& image, Mat& fgmask, double learningRate); //释放高斯模型 icvReleaseGaussianBGModel( CvGaussBGModel** bg_model ); //更新模型 icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model, double learningRate ); //建立模型 cvCreateGaussianBGModel( IplImage* first_frame, CvGaussBGStatModelParams* parameters );如果我们不关心具体的参数,都是用默认值的话,很容易就能建立一个高斯背景提取的模型。
//用第一帧初始化模型 CvBGStatModel* bgModel= cvCreateGaussianBGModel(pInitFrame); // void FireDetector::CheckFireMove2(IplImage *pImgFrame) { cvUpdateBGStatModel( pImgFrame, bgModel ); // 以左下角为坐标原点 bgModel->foreground->origin = bgModel->background->origin = 1; //滤除噪声 //cvErode(bgModel->background, bgModel->background); //cvErode(bgModel->foreground, bgModel->foreground); cvMorphologyEx( pImgMotion, pImgMotion, 0, 0, CV_MOP_CLOSE, 3); cvMorphologyEx( pImgMotion, pImgMotion, 0, 0, CV_MOP_OPEN, 1 ); }如果再简化就是
cvUpdateBGStatModel( pImgFrame, bgModel );一句话,用新的帧更新背景。
有关高斯背景的原理,日后再补上吧~