混合高斯模型检测运动物体

《混合高斯模型检测运动物体》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、混合高斯模型检测运动物体&&为什么开博客在做这个程序的时候，暗自庆幸自己2个多月前用Opencv自带的函数实现过这个功能。当时的运行结果是这样的。（1）将运动物体提取出来，红框是跟踪运动物体的标志(2)将运动物体从图像帧中分割出来。当时用的是学长的代码，实际上优化的工作已经接近完美了。但是，该学长在为我们分配任务的时候，明确地告诉我继续做这一块。我心情那个放松啊。不过做项目确实不比自己在寝室或者找个地儿就能瞎搅和，这次，我们要做的叫做-------算法。用“混合高斯模型”做跟踪，大家一定和我刚还是那会儿一样，觉得

2、高大上。毕竟关于智能跟踪这一块，好歹也是AI的范畴。事实上呢，如人饮水咯。那么，我们开始吧。《基于自适应混合高斯模型全方位视觉目标检测》，这是我最先参照实现的一篇论文，是王永忠等教授发表在《自动化学报》的著作。这篇论文主要介绍的是基于混合高斯模型做建模自适应的改善以及在时空这两个方面做算法优化。这片论文也详述了混合高斯模型的基本思路。于是，这是我开启算法篇章的启蒙作。王永忠等教授是这么描述过程的，这里我就截图表示，文字未免显的有点含糊。对于王教授论文提到的“高斯个数自适应”的改进，是我跟进了4，5天的内容。有几句

3、代码，不得不说一下。1.MixData*mptr=(MixData*)bgmodel.data;2.x=0;x

4、个像素建立的高斯模型都会得到保存，而不会因为mptr+=K流失。仔细揣摩了一下各全局变量，也并没有mptr的成分。那么，这个背景更新的现象是怎么实现的呢？答案应该就在这里了。慢着，抱歉，这只是我的臆测。根据查的资料，得知这两句代码的功能无非就是新建一个一定尺寸的矩阵，然后再对其做清〇工作。似乎对于我提出的问题也没什么实质性的作用。所以，各位大虾请原谅我以这样的形式抛出这个不太成熟的问题，如果方便，希望大家能帮忙解答一下。（完整代码会在本文后附上链接）。接着，我们来喷一下实现过程中遇到的脱壳问题。首先，让大家看看发

5、生脱壳时的视频情况.-箭头指向的这个运动目标，其实已经移动。产生这种线上的原因是：本属于背景的事务突然发生运动，或者本是运动目标的事务突然停止。针对这两种情况，我们都希望能将这个壳融入到背景中。这里，我采取的是定时更新背景的方法。（其实这颇有盗用王教授时空建模思想的嫌疑）。奥，打住，打住。我大致的思路是这样，为每个像素设置一个计时器，当该像素为前景时，计时器+1，当该像素是背景时，计时器立即清零。如果计时器的值>5,也就是说，该像素连续5此被判断为前景，那么，它就有成为背景的必要了。这里，如果把计时器清零的阈值设

6、置的稍微大一点，那么会有一个隐患，因为系统可能会将运动速度缓慢的运动目标判断为有条件成为背景的像素点。最清晰的一个例子就是”缓慢停下的火车”，由于其外表的相似性加上其速度，在做分割的时候，产生的误判确实客观。当然，火车我做的这块比较极端的一个例子。这里可以忽略的。处理完前期的预备工作，就要开始定位了。关于定位，有做箭头，画点，做轮廓等方法。我采取的是根据连通性区域画矩形的方法。忽略掉电脑本身显示的问题，然后加上拍摄视频过程中的抖动，光线变化，以及各种Fuck干扰，我们的粗成果是这样的。大家看到的已经算是中上水平的

7、成果，因为这还得益于我们拍摄视频是用了三脚架和单反，加上图书馆的光线变化并不明显。在这个画面中，干扰最大的应该是红色箭头指向的易拉宝和地板上的影子。由于这两个事务受光线变化及其严重，所以在一定程度上造成的噪声还是不容忽视。但无论是易拉宝还是人影，其形成的区域总还是比较局限。要么是面积较小，要么就是形成的矩形长宽比例失调。根据这两点，可以设置绘制矩形框之前的阈值。初步改进后的结果如下，可以掌声鼓励一下！大家可以看出，由于外部一些因素产生的小矩形框已经基本被消除了，且现在跟进的矩形框和运动物体的相对位置也较为准确。但

8、眼下的问题是，矩形框的跟踪出现了分裂，这对单事务跟踪不是很合适，要消除这种分裂矩形框的情况，有两种方法。第一种，请大家不要跌破眼镜，就是运动物体全身着装为一色，以肉色最佳。（勿喷）。第二种，就是将分裂的矩形框融合起来。这里，我采取的是第二种方法。首先是将在限制条件中的所有矩形框保存在相应的数组里，提取出面积最大和次大的两个。当最大矩形框的面积>10000时，其实可以任务该