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);}}

总结

以上是生活随笔为你收集整理的基于平均背景建模的运动目标检测的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。