运动检测（前景检测）之ViBe

申明：本文非笔者原创，原文转载自：http://blog.csdn.net/zouxy09/article/details/9622285

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, NUM_SAMPLES);
                     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  : [email protected]

 #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;
 }