《混合高斯模型》由会员分享，可在线阅读，更多相关《混合高斯模型（3页珍藏版）》请在金锄头文库上搜索。
1、混合高斯模型跟高斯变量之和看起来有一点像，注意不要把它们弄混淆了.混合高斯模型给出的概率密度 函数实际上是几个高斯概率密度函数的加权和：计算均值和方差的公式不仅适用于几个（多维）高斯分布混合的情况，还适用于非高斯分布的情况.高斯变量之和就没什么好说的了，几个高斯变量之和是一个新的高斯变量.原理：高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干 的基于高斯概率密度函数（正态分布曲线）形成的模型。对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可 以认为是图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相比比较大，
2、且背景区域和目 标区域在灰度上有一定的差异，那么该图像的灰度直方图呈现双峰-谷形状，其中一个峰对应于目标，另一 个峰对应于背景的中心灰度。对于复杂的图像，尤其是医学图像，一般是多峰的。通过将直方图的多峰特 性看作是多个高斯分布的叠加，可以解决图像的分割问题。在智能监控系统中，对于运动目标的检测是中心内容，而在运动目标检测提取中，背景目标对于目标的 识别和跟踪至关重要。而建模正是背景目标提取的一个重要环节。我们首先要提起背景和前景的概念，前景是指在假设背景为静止的情况下，任何有意义的运动物体即为 前景。建模的基本思想是从当前帧中提取前景，其目的是使背景更接近当前视频帧的背景。即利用当前帧 和视频
3、序列中的当前背景帧进行加权平均来更新背景，但是由于光照突变以及其他外界环境的影响，一般的 建模后的背景并非十分干净清晰，而高斯混合模型是是建模最为成功的方法之一。混合高斯模型使用K （基本为3到5个）个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后 更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点，否则 为前景点。通观整个高斯模型，主要是有方差和均值两个参数决定，对均值和方差的学习，采取不同的学 习机制，将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需 要对高斯模型中方差和均值两个参数实时更新。为提高模型的学
4、习能力,改进方法对均值和方差的更新采用 不同的学习率;为提高在繁忙的场景下,大而慢的运动目标的检测效果，引入权值均值的概念，建立背景图像并 实时更新,然后结合权值、权值均值和背景图像对像素点进行前景和背景的分类。到这里为止，混合高斯模型的建模基本完成，我在归纳一下其中的流程，首先初始化预先定义的几个 高斯模型，对高斯模型中的参数进行初始化，并求出之后将要用到的参数。其次，对于每一帧中的每一个 像素进行处理，看其是否匹配某个模型，若匹配，则将其归入该模型中，并对该模型根据新的像素值进行 更新，若不匹配，则以该像素建立一个高斯模型，初始化参数，代理原有模型中最不可能的模型。最后选 择前面几个最有可
5、能的模型作为背景模型，为背景目标提取做铺垫。目前，运动物体检测的问题主要分为两类，摄像机固定和摄像机运动。对于摄像机运动的运动物体检测问 题，比较著名的解决方案是光流法，通过求解偏微分方程求的图像序列的光流场，从而预测摄像机的运动 状态。对于摄像机固定的情形，当然也可以用光流法，但是由于光流法的复杂性，往往难以实时的计算， 所以我采用高斯背景模型。因为，在摄像机固定的情况下，背景的变化是缓慢的，而且大都是光照，风等 等的影响，通过对背景建模，对一幅给定图像分离前景和背景，一般来说，前景就是运动物体，从而达到 运动物体检测的目的。单分布高斯背景模型单分布高斯背景模型认为，对一个背景图像，特定像素
6、亮度的分布满足高斯分布，即对背景图像B，（x,y） 点的亮度满足：旧(x,y) N(u,d)这样我们的背景模型的每个象素属性包括两个参数：平均值u和方差d。对于一幅给定的图像G,如果Exp(-(IG (x,y)-u(x,y2/(2*dA2) T，认为(x,y)是背景点，反之是前景点。同时，随着时间的变化，背景图像也会发生缓慢的变化，这时我们要不断更新每个象素点的参数u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y)这里，a称为更新参数，表示背景变化的速度，一般情况下，我们不更新d (实验中发现更不更新d， 效果变化不大)。高斯混合模型是用于背景提取的方法，OpenCV
7、的cvaux中cvbgfg_gaussmix.cpp文件根据文献”An improved adaptive background mixture model for real-time tracking with shadow 中提供的方法编写了高 斯混合模型函数。其中定义了 CvGaussBGModel类用于存放高斯混合模型的各个参数。我用OpenCV使 用高斯混合模型函数分以下几步：1。需要用到 icvUpdateGaussianBGModel，icvReleaseGaussianBGModel 两个函数，但是源程序中 将这两个函数定义为内部函数，需要做一些修改，首先将cvbgfg_gau
8、ssmix.cpp中前面两个函数的声明 static void CV_CDECL icvReleaseGaussianBGModel( CvGaussBGModel* bg_model );static int CV_CDECL icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model );两行代码注释掉。然后在cvbgfg_gaussmix.cpp中间部分两个函数的定义部分，函数头static int 和 static void 改成 CV_IMPL int 和 CV_IMPL void。最后在 cvau
9、x.h 文件中 CVAPI(CvBGStatModel*) cvCreateGaussianBGModel( IplImage* first_frame,CvGaussBGStatModelParams* parameters CV_DEFAULT(NULL);这句后面加上以下两句 CVAPI(void) icvReleaseGaussianBGModel( CvGaussBGModel* bg_model );CVAPI(int) icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model );程序修改完毕
10、，点rebuild all，全部重新编译。2。在程序初始化部分定义高斯混合模型参数CvGaussBGModel* bg_model=NULL;在读取第一帧图像 (背景图像)时，进行高斯背景建模 bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(image,0);image可以是灰度图象也可以是彩色图像。接下来再读取当前帧时，更新高斯模型regioncount=icvUpdateGaussianBGModel(currframe, bg_model );regioncount 的含义我不确定，我 理解是代表背景中不同颜色区域的个数，这个参数我
11、没有用到，它只是icvUpdateGaussianBGModel函数 的返回值。3。现在bg_model已经保存了经过高斯混合模型分类后的结果，bg_model-background保存了背景 图像，bg_model-foreground保存了前景图像。include #include #include #include int main( int argc, char* argv )( IplImage* pFrame = NULL; IplImage* pFrImg = NULL;IplImage* pBkImg = NULL; CvCapture* pCapture = NULL; cv
12、NamedWindow(fore ground,1); cvMoveWindow(background, 360, 0); cvMoveWindow(foreground, 690, 0);( fprintf(stderr, Usage: bkgrd video_file_namen); if( !(pCapture = cvCap tureFromFile(argv1) ( fprintf(stderr, Can not open video file %sn, argv1);if( !(pCapture = cvCaptureFromCAM(-1) ( fprintf(stderr, Ca
13、n not open camera.n ); CvGaussBGModel* bg_model=NULL; while(pFrame = cvQueryFrame( pCapture )( nFrmNum+;( pBkImg = cvCreateImage(cvSize(pFrame-width, pFrame-height), IPL_DEPTH_8U,3); pFrImg = cvCreateImage(cvSize(pFrame-width, pFra me-height), IPL_DEPTH_8U,1); bg_model = (CvGaussBGModel*)cvCreateGau
14、ssianBGModel (pFrame, 0);( cvUpdateBGStatModel(pFrame, (CvBGStatModel *)bg_model );cvCopy(bg_model-foreground,pFrImg,0); cvCopy(bg_model-background,pBkImg,0);pBkImg-origin=1; pFrImg-origin=1; cvShowImage(video, pFrame); cvShowIma ge(background, pBkImg); cvShowImage(foreground, pFrImg);if( cvWaitKey(2) =0 ) cvReleaseBGStatModel(CvBGStatModel*)&bg_model); cvDestroyWindow(foreground); cvReleaseImage(&pFrImg); cvReleaseImage(&pBkImg); c vReleaseCapture(&pCapture);
