基于平均背景建模的运动目标检测

建立一个场景模型，包含图像灰度均值、帧间平均差值。

对于输入的后续视频，当灰度在区间内时，认为是静止区域，反之为运动目标。判断静止灰度区间为：

diff实际上可认为是为了抑制一定的噪声，当图像序列噪声很小时，效果不错，但在实际场景基本不适用，例如我的实验图像。

我使用了前100帧图像作场景建模，暂未考虑场景更新问题，因此不能适用于背景具有运动目标的情况（例如风吹窗帘、摇曳的树），光线问题。

如下三幅图是对运动目标的检测，可以看出除了人物还有大量的噪声被检测出来。

因此，我对背景模型进行了去噪处理，采用了cvsmooth函数中的简单模糊、高斯、中值等，本以为中值效果应该最好，但由于噪声分布过于紧密，中值去噪并不好，最后采用15大小的普通加权去噪，效果如下。

使用大窗口进行模糊确实可以去除噪声，但对目标也会进行模糊，检测出现问题，此外，当噪声过大时，信号被严重干扰，甚至被淹没。说明简单的背景模型或去噪是行不通的。的背景模型或去噪是行不通的。

#include<highgui.h>
#include<cv.h>
#include<cxcore.h>void main()
{   CvCapture *capture = cvCreateFileCapture("Walk2.mpg");CvSize img_sz = cvSize(384,288);IplImage *pic;IplImage *frame = cvCreateImage(img_sz,8,1);IplImage *frame2 = cvCreateImage(img_sz,8,1);IplImage *framedn = cvCreateImage(img_sz,8,1);IplImage *Imask = cvCreateImage(img_sz,IPL_DEPTH_8U,1);IplImage *Iscratch = cvCreateImage(img_sz,IPL_DEPTH_32F,1);IplImage *IavgF = cvCreateImage(img_sz,IPL_DEPTH_32F,1);IplImage *IpreF = cvCreateImage(img_sz,IPL_DEPTH_32F,1);IplImage *Iscratch2 = cvCreateImage(img_sz,IPL_DEPTH_32F,1);IplImage *IdiffF = cvCreateImage(img_sz,IPL_DEPTH_32F,1);IplImage *IhiF = cvCreateImage(img_sz,IPL_DEPTH_32F,1);IplImage *IlowF = cvCreateImage(img_sz,IPL_DEPTH_32F,1);int fnum=1,Icount = 100,ht=5;cvZero(IavgF);cvZero(Iscratch);cvZero(IpreF);cvZero(Iscratch2);cvZero(IdiffF);while(fnum<=Icount){pic = cvQueryFrame(capture);if(!pic) break;cvCvtColor(pic,frame,CV_RGB2GRAY);cvSmooth(frame,framedn,CV_BLUR,15);cvCvtScale(framedn,Iscratch,1.0,0);cvAcc(Iscratch,IavgF);cvAbsDiff(Iscratch,IpreF,Iscratch2);cvAcc(Iscratch2,IdiffF);cvCopy(Iscratch,IpreF);fnum++;}cvConvertScale(IavgF,IavgF,(double)(1.0/(Icount)));   /*均值*/cvConvertScale(IdiffF,IdiffF,(double)(1.0/(Icount)));  /*帧间插值*/cvAddS(IdiffF,cvScalar(1.0),IdiffF);cvConvertScale(IdiffF,Iscratch,ht); /*high threshold = low threshold*/cvAdd(IdiffF,IavgF,IhiF);cvSub(IavgF,Iscratch,IlowF);while(1){pic = cvQueryFrame(capture);if(!pic) break;cvCvtColor(pic,frame,CV_RGB2GRAY);cvSmooth(frame,framedn,CV_BLUR,15);cvCvtScale(framedn,Iscratch,1.0,0);cvInRange(Iscratch,IlowF,IhiF,Imask);cvSubRS(Imask,cvScalar(255),Imask);cvNamedWindow("mask");cvShowImage("mask",Imask);cvNamedWindow("frame");cvShowImage("frame",frame);cvWaitKey(33);}}

基于平均背景建模的运动目标检测相关推荐

Matlab实现---基于平均背景法的视频运动目标检测（有背景更新）
目录实现目标及说明代码及说明完整文件获取实现目标及说明 MATLAB--编程实现基于平均背景法的视频运动目标检测,并且要不断更新背景. 网上找到的很多关于运动目标检测的,多数是用OpenCV或 ...
Python与OpenCV（二）——基于背景差分法的运动目标检测程序分析
背景差分法是传统运动目标检测算法中最常用的方法.其基本原理如图所示. 从图中可知,背景差分法是通过建立背景模型,比较当前帧与背景模型对应像素的差异点来检测运动目标的方法. 背景模型的建立主要通过两种方 ...
基于用户行为建模和异常检测算法的内部威胁检测
Insider Threat Detection Based on User Behavior Modeling and Anomaly Detection Algorithms 内部威胁是授权用户的 ...
背景建模与前景检测3(Background Generation And Foreground Detection Phase 3)
背景建模与前景检测之三(Background Generation And Foreground Detection Phase 3) 作者:王先荣在上一篇文章里,我尝试翻译了<Nonpara ...
背景建模与前景检测2(Background Generation And Foreground Detection Phase 2)
背景建模与前景检测2(Background Generation And Foreground Detection Phase 2) 作者:王先荣本文尝试对<学习OpenCV>中推荐的论 ...
背景建模与前景检测1(Background Generation And Foreground Detection)
背景建模与前景检测(Background Generation And Foreground Detection) 作者:王先荣前言在很多情况下,我们需要从一段视频或者一系列图片中找到感兴 ...
运动背景下的运动目标检测
from:运动背景下的运动目标检测各种目标检测方法介绍(懒人可以直接略过) 目标检测是一个老话题了,在很多算法当中都有它的身影.目标检测要做的就两件事:检测当前图片中有没有目标?如果有的话,在哪?按 ...
ViBe（Visual Background extractor）背景建模或前景检测
ViBe算法:ViBe - a powerful technique for background detection and subtraction in video sequences 算法官网: ...
背景建模或前景检测(Background Generation And Foreground Detection) 二
转自:http://www.cnblogs.com/xrwang/archive/2010/03/27/BackgroundGenerationAndForegroundDetectionPhase2 ...

基于平均背景建模的运动目标检测

基于平均背景建模的运动目标检测相关推荐

最新文章

热门文章