建立一個場景模型，包含圖像灰度均值、幀間平均差值。

對于輸入的后續(xù)視頻，當(dāng)灰度在區(qū)間內(nèi)時，認為是靜止區(qū)域，反之為運動目標(biāo)。判斷靜止灰度區(qū)間為：

?????????????????????????????????????????????????????????????

diff實際上可認為是為了抑制一定的噪聲，當(dāng)圖像序列噪聲很小時，效果不錯，但在實際場景基本不適用，例如我的實驗圖像。

?

?

我使用了前100幀圖像作場景建模，暫未考慮場景更新問題，因此不能適用于背景具有運動目標(biāo)的情況（例如風(fēng)吹窗簾、搖曳的樹），光線問題。

?如下三幅圖是對運動目標(biāo)的檢測，可以看出除了人物還有大量的噪聲被檢測出來。

因此，我對背景模型進行了去噪處理，采用了cvsmooth函數(shù)中的簡單模糊、高斯、中值等，本以為中值效果應(yīng)該最好，但由于噪聲分布過于緊密，中值去噪并不好，最后采用15大小的普通加權(quán)去噪，效果如下。

使用大窗口進行模糊確實可以去除噪聲，但對目標(biāo)也會進行模糊，檢測出現(xiàn)問題，此外，當(dāng)噪聲過大時，信號被嚴(yán)重干擾，甚至被淹沒。說明簡單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))); /*幀間插值*/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);}}

總結(jié)

以上是生活随笔為你收集整理的基于平均背景建模的运动目标检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。