OpenCV视频监控(VideoSurveilance)的算法体系.docVIP

OpenCV 视频监控（Video Surveilance）的算法体系 OpenCV VS与普通OpenCV函数不同在于：普通cxcore、cv函数均是C函数，而VS是利用C++的接口、多态、继承等技术构建起来的体系，由一些类、结构、全局函数组成。所以要学习和使用VS，要有较强的C++基础。“勿在浮沙筑高台”，如果不懂接口、多态、继承等C++的基本技术，还是去恶补一下再回来。 VS中的很多类并没有直接提供给用户使用，多数只提供一个全局函数作为唯一的用户接口，这种思想也大量应用于COM技术中，是模式设计中类工厂的思想。感兴趣的读者可以查阅模式设计方面的图书和资料。 打开opencv.dsw工程，可以在CVAUX下看到许多结构和类定义，VS部件多数以CvBlob开头，如图所示。这么庞杂的数据结构和类，理清头绪并不是一件容易的事情。我简单的归纳了一个UML图，虽然有很多不完善，但是可以方便读者们从全局看清VS的架构。 类似于MFC中的CObject，VS中的所有的类都有一个共同的父类CvVSModule，主要提供参数的读写、拷贝等功能。另外还有几个算法接口类，分别是：CvFGDetector，CvBlobDetector ，CvBlobTracker，CvBlobTrackGen，CvBlobTrackPostProc，CvBlobTrackAnalysis，分别代表：前景检测、新目标检测、目标跟踪、轨迹生成、跟踪后处理、轨迹分析等几组算法的接口，这些类是绝大多数VS类的父类。另外还有一个CvBlobTrackerAuto接口，其功能是对以上算法的链接、调度，即对整个算法流程的控制。 如前面说到的，OpenCV VS提供了6组算法的接口，分别是：前景检测、新目标检测、目标跟踪、轨迹生成、跟踪后处理、轨迹分析，除了轨迹生成用于轨迹数据的保存以外，其他5个部分都是标准的视频监控算法体系中不可或缺的部分。 OpenCV在Blob_Tracking_Modules.doc文档中，提供了算法的关系图，如下。 图中唯独缺少了轨迹分析部分，可能是因为在该文档形成的时候轨迹分析部分还没有完成。重新整理后如下。下面针对VS算法体系中的各个算法接口进行介绍，并给出算法的参考文献。1 算法流程控制（CvBlobTrackerAuto）整个视频监控算法流程的设置和数据的传递在接口类CvBlobTrackerAuto的子类中完成，VS中提供了一个范本，就是CvBlobTrackerAuto1，该类是接口CvBlobTrackerAuto的子类，通过查看CvBlobTrackerAuto1::Process()，可以洞悉整个算法的标准流程。当然您也可以在遵循接口CvBlobTrackerAuto的基础上进行扩展。用户调用接口：CvBlobTrackerAuto* cvCreateBlobTrackerAuto1(CvBlobTrackerAutoParam1* param)；2 前景检测（CvFGDetector）：CvFGDetector是前景检测类的接口，前景检测一般是指提取固定场景中运动部分的像素，比较常用的一大类方法是背景差。在其子类CvFGDetectorBase中包含了两种背景差方法的实现：（1）《Foreground Object Detection from Videos Containing Complex Background》2003（2）《An Improved Adaptive Background Mixture Model for Real-time tracking with shadow detection》 2001后者就被广泛研究和应用的混合高斯模型背景差（MOG-Mixture Of Gaussians），其开创者是MIT的著名学者Chris Stauffer，可参考文献《Learning patterns of activity using real-time tracking》2000。OpenCV中还实现了一种基于码本的背景差方法，《Real-time foreground–background segmentation using codebook model》2005，可以参考例程bgfg_codebook.cpp，只是这种算法还没有整合进VS架构中，这个扩展工作有待完成。用户调用接口：CvFGDetector* cvCreateFGDetectorBase(int type, void *param)；3 新目标检测（CvBlobDetector）：CvBlobDetector在前景掩模的基础上检测新进入场景的Blob（块），子类有两个，分别是CvBlobDetectorSimple和CvBlobDetec