首页 > 代码库 > 学习OpenCV范例（二十四）—ViBe前景检测（二）
学习OpenCV范例（二十四）—ViBe前景检测（二）
最近导师没给什么项目做，所以有那么一点点小时间，于是就研究起了前景检测，既然前景检测有很多种算法，那干脆就把这些模型都学起来吧，以后用到前景检测时至少还有那么几种方法可以选择，上次介绍的是GMM模型，其实GMM模型本身就是一个很不错的模型，现在也很多人在研究，并且做改进，主要是OpenCV有函数调用，用起来非常方便，当我们都在兴高采烈的讨论GMM各种好的时候，B哥不爽了，他说老子是搞前景检测的，怎么可能让你们这么嚣张，而且老子就不按照你那套路来，什么高斯模型，混合高斯模型，我统统不用，就来个简单的，气死你们，于是一挥笔，一篇著作就出来了ViBe: A Universal Background Subtraction Algorithm for Video Sequences，顿时震惊了所有人，现在就让我们一起来领略一下ViBe算法到底有什么过人之处吧。
1、原理
一讲到原理，本人就喜欢推荐其他博主的博客，因为我觉得他们都已经写得非常好了，好资源就是要被传播，被共享的，所以对于原理的问题，我一样推荐一个博客给大家。
①、背景建模或前景检测(Background Generation And Foreground Detection) 五 ViBe
这篇文章可以说是ViBe原文的精华版，对这个算法的理论基础和精髓理解的非常透彻，甚至连实验对比结果和效果图都给大家贴出来了，都是原文的图片。
也希望大家看完这篇精华版之后，有初步了解之后可以去看一下原文，原文第一部分概述了各种各样的前景检测算法，第二部分开始讲ViBe，其中作者说了一句，背景减法技术一般都要解决三个问题：1、用到什么模型，并且它的工作原理，2、如何初始化这个模型，3、随着时间的推移，如何更新这个模型，于是作者也就从这三个方面介绍了ViBe算法，最后一部分就是各种实验结果和对比。
接下来给大家推荐一个代码版本，现在的OpenCV也有ViBe库函数提供，但是是在CUDA平台下的。
②、运动检测（前景检测）之（一）ViBe
这位博主主要的代码都是用到OpenCV的Mat格式存储数据和调用数据，所以速度有点慢，于是本人做了小小的修改，快了些许，代码会在下面贴出。
同样也贴出另外一位博主的代码，没仔细看，希望有空可以研究一下
③、VIBE运动目标检测算法实现
2、代码实现
Vibe.h
#include <iostream>
#include "opencv2/opencv.hpp"
using namespace cv;
using namespace std;
#define NUM_SAMPLES 20 //每个像素点的样本个数
#define MIN_MATCHES 2 //#min指数
#define RADIUS 20 //Sqthere半径
#define SUBSAMPLE_FACTOR 16 //子采样概率
class ViBe_BGS
{
public:
ViBe_BGS(void);
~ViBe_BGS(void);
void init(const Mat _image); //初始化
void processFirstFrame(const Mat _image);
void testAndUpdate(const Mat _image); //更新
Mat getMask(void){return m_mask;};
void deleteSamples(){delete samples;};
private:
unsigned char ***samples;
// float samples[1024][1024][NUM_SAMPLES+1];//保存每个像素点的样本值
/*
Mat m_samples[NUM_SAMPLES];
Mat m_foregroundMatchCount;*/
Mat m_mask;
};Vibe.cpp
#include "ViBe.h"
using namespace std;
using namespace cv;
int c_xoff[9] = {-1, 0, 1, -1, 1, -1, 0, 1, 0}; //x的邻居点
int c_yoff[9] = {-1, 0, 1, -1, 1, -1, 0, 1, 0}; //y的邻居点
ViBe_BGS::ViBe_BGS(void)
{
}
ViBe_BGS::~ViBe_BGS(void)
{
}
/**************** Assign space and init ***************************/
void ViBe_BGS::init(const Mat _image)
{
//动态分配三维数组，samples[][][NUM_SAMPLES]存储前景被连续检测的次数
samples=new unsigned char **[_image.rows];
for (int i=0;i<_image.rows;i++)
{
samples[i]=new unsigned char *[1024];
for (int j=0;j<_image.cols;j++)
{
samples[i][j]=new unsigned char [NUM_SAMPLES+1];
for (int k=0;k<NUM_SAMPLES+1;k++)
{
samples[i][j][k]=0;
}
}
}
m_mask = Mat::zeros(_image.size(),CV_8UC1);
}
/**************** Init model from first frame ********************/
void ViBe_BGS::processFirstFrame(const Mat _image)
{
RNG rng;
int row, col;
for(int i = 0; i < _image.rows; i++)
{
for(int j = 0; j < _image.cols; j++)
{
for(int k = 0 ; k < NUM_SAMPLES; k++)
{
// Random pick up NUM_SAMPLES pixel in neighbourhood to construct the model
int random = rng.uniform(0, 9);
row = i + c_yoff[random];
if (row < 0)
row = 0;
if (row >= _image.rows)
row = _image.rows - 1;
col = j + c_xoff[random];
if (col < 0)
col = 0;
if (col >= _image.cols)
col = _image.cols - 1;
samples[i][j][k]=_image.at<uchar>(row, col);
}
}
}
}
/**************** Test a new frame and update model ********************/
void ViBe_BGS::testAndUpdate(const Mat _image)
{
RNG rng;
for(int i = 0; i < _image.rows; i++)
{
for(int j = 0; j < _image.cols; j++)
{
int matches(0), count(0);
int dist;
while(matches < MIN_MATCHES && count < NUM_SAMPLES)
{
dist = abs(samples[i][j][count] - _image.at<uchar>(i, j));
if (dist < RADIUS)
matches++;
count++;
}
if (matches >= MIN_MATCHES)
{
// It is a background pixel
samples[i][j][NUM_SAMPLES]=0;
// Set background pixel to 0
m_mask.at<uchar>(i, j) = 0;
// 如果一个像素是背景点，那么它有 1 / defaultSubsamplingFactor 的概率去更新自己的模型样本值
int random = rng.uniform(0, SUBSAMPLE_FACTOR);
if (random == 0)
{
random = rng.uniform(0, NUM_SAMPLES);
samples[i][j][random]=_image.at<uchar>(i, j);
}
// 同时也有 1 / defaultSubsamplingFactor 的概率去更新它的邻居点的模型样本值
random = rng.uniform(0, SUBSAMPLE_FACTOR);
if (random == 0)
{
int row, col;
random = rng.uniform(0, 9);
row = i + c_yoff[random];
if (row < 0)
row = 0;
if (row >= _image.rows)
row = _image.rows - 1;
random = rng.uniform(0, 9);
col = j + c_xoff[random];
if (col < 0)
col = 0;
if (col >= _image.cols)
col = _image.cols - 1;
random = rng.uniform(0, NUM_SAMPLES);
samples[i][j][random]=_image.at<uchar>(i, j);
}
}
else
{
// It is a foreground pixel
samples[i][j][NUM_SAMPLES]++;
// Set background pixel to 255
m_mask.at<uchar>(i, j) = 255;
//如果某个像素点连续N次被检测为前景，则认为一块静止区域被误判为运动，将其更新为背景点
if(samples[i][j][NUM_SAMPLES]>50)
{
int random = rng.uniform(0, NUM_SAMPLES);
if (random == 0)
{
random = rng.uniform(0, NUM_SAMPLES);
samples[i][j][random]=_image.at<uchar>(i, j);
}
}
}
}
}
}main.cpp
#include "ViBe.h"
#include <cstdio>
using namespace cv;
using namespace std;
int main(int argc, char* argv[])
{
Mat frame, gray, mask;
VideoCapture capture;
capture.open(0);
capture.set(CV_CAP_PROP_FRAME_WIDTH,320);
capture.set(CV_CAP_PROP_FRAME_HEIGHT,240);
if (!capture.isOpened())
{
cout<<"No camera or video input!\n"<<endl;
return -1;
}
ViBe_BGS Vibe_Bgs;
bool count =true;
while (1)
{
capture >> frame;
if (frame.empty())
continue;
cvtColor(frame, gray, CV_RGB2GRAY);
if (count)
{
Vibe_Bgs.init(gray);
Vibe_Bgs.processFirstFrame(gray);
cout<<" Training ViBe complete!"<<endl;
count=false;
}
else
{
Vibe_Bgs.testAndUpdate(gray);
mask = Vibe_Bgs.getMask();
morphologyEx(mask, mask, MORPH_OPEN, Mat());
imshow("mask", mask);
}
imshow("input", frame);
if ( cvWaitKey(10) == 27 )
break;
}
return 0;
}3、实验结果
图1、背景图
图2、前景图
总结，这里就不再贴太多图出来了，大家可以下载代码自己去玩一玩，挺好玩的，这个算法在作者的论文中被说得各种好，各种极品，但是在我的电脑中没有体现那么神乎其神的效果，可能没有加上其他的一些预处理和后处理的缘故吧，也可能是电脑问题，但是总体来说，这个算法确实也不错，算法原理也容易理解，对Ghost区域也做了很好的处理，但是算法已经申请了专利，做做研究还是可以的，还是有很多发展空间，如果商用，那我就不知道会咋样咯。