前景检测算法.doc

前景检测算法_1(codebook和平均背景法) ????? 前景分割中一个非常重要的研究方向就是背景减图法，因为背景减图的方法简单，原理容易被想到，且在智能视频监控领域中，摄像机很多情况下是固定的，且背景也是基本不变或者是缓慢变换的，在这种场合背景减图法的应用驱使了其不少科研人员去研究它。 ????? 但是背景减图获得前景图像的方法缺点也很多：比如说光照因素，遮挡因素，动态周期背景，且背景非周期背景，且一般情况下我们考虑的是每个像素点之间独立，这对实际应用留下了很大的隐患。 ????? 这一小讲主要是讲简单背景减图法和codebook法。 ? 一、简单背景减图法的工作原理。 ????? 在视频对背景进行建模的过程中，每2帧图像之间对应像素点灰度值算出一个误差值，在背景建模时间内算出该像素点的平均值，误差平均值，然后在平均差值的基础上+-误差平均值的常数(这个系数需要手动调整)倍作为背景图像的阈值范围，所以当进行前景检测时，当相应点位置来了一个像素时，如果来的这个像素的每个通道的灰度值都在这个阈值范围内，则认为是背景用0表示，否则认为是前景用255表示。 ????? 下面的一个工程是learning opencv一书中作者提供的源代码，关于简单背景减图的代码和注释如下： ?????avg_background.h文件： 1 /////////////////////////////////////////////////////////////////////////////////////////////////////////////////// 2 // Accumulate average and ~std (really absolute difference) image and use this to detect background and foreground 3 // 4 // Typical way of using this is to: 5 // AllocateImages(); 6 ////loop for N images to accumulate background differences 7 // accumulateBackground(); 8 ////When done, turn this into our avg and std model with high and low bounds 9 // createModelsfromStats();10 ////Then use the function to return background in a mask (255 == foreground, 0 == background)11 // backgroundDiff(IplImage *I,IplImage *Imask, int num);12 ////Then tune the high and low difference from average image background acceptance thresholds13 // float scalehigh,scalelow; //Set these, defaults are 7 and 6. Note: scalelow is how many average differences below average14 // scaleHigh(scalehigh);15 // scaleLow(scalelow);16 ////That is, change the scale high and low bounds for what should be background to make it work.17 ////Then continue detecting foreground in the mask image18 // backgroundDiff(IplImage *I,IplImage *Imask, int num);19 //20 //NOTES: num is camera number which varies from 0 ... NUM_CAMERAS - 1. Typically you only have one camera, but this routine allows21 // you to index many.22 //23 #ifndef AVGSEG_24 #define AVGSEG_25 26 27 #include cv