《混合高斯模型检测运动物体.doc》由会员分享，可在线阅读，更多相关《混合高斯模型检测运动物体.doc（8页珍藏版）》请在金锄头文库上搜索。
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
2、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。有几句代码，不得不说一下。1. MixData*mptr=(MixData*)bgmodel.data;2. x=0;x5,也就是说，该像素连续5此被判断为前景，那么，它就有成为
3、背景的必要了。这里，如果把计时器清零的阈值设置的稍微大一点，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成果，因为这还得益于我们拍摄视频是用了
4、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
5、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，其实可以任务该矩形框已经可以驾驭运动物体的外形。否则，将最大矩形框和次之融合，形成一个足以将运动事务外接的矩形框。这里要特别注意一下两矩形框的坐标。以下是我判断的代码：对于最大和次之的两种情况，我们还要考虑一下他们在空间上的分布情况，不然很有可能出现矩形框越做越小，那可就销魂了以下是最后的成果：好的。谢谢读者们能耐着性子看完我这片充满欺世盗名的伪经论。 这里，
6、就坦率说说自己建博客写这些要么伤春悲秋要么刻奇古板的文章的初衷原创。 在不久前，我看到过一位我挺敬佩的web开发大神的博客网站，是他自己付费开发的，域名紧紧和自己关联，是我今年来觉得最高大上的作品。他的网站上要么分享自己在开发过程中遇到的难题以及解决方式，要么是自己对当代一些舆情的思考。但我很遗憾地发现，访问量却很少。我听他说，不用做什么以及不用思考为什么做什么的生活是他觉得最懒散的生活。而他说，包括他在内，许多人都是这样，过着走一步，算一步的生活。有时候看似忙碌，却只是精神的透支。我挺喜欢他这种思考方式，带着对自己一点的幽怨，慢慢思考自己要做的事情。有时候看似停了，其实是准备另一次的出发。大
7、二的这个暑假，除了一开始那几天没日没夜的玩，就是回了趟家当作出了远门。我不是不喜欢在家里那种被惯着的感觉，也不是担心钱的问题。我是真的想做一点东西，也是真的想知道自己喜欢什么。 短学期刚结束那会儿，因为半做半抄地完成了“学生成绩管理系统”，那时候的成就感给了我研究java的冲动。我是打算大干一场的！所以下载了Flappy bird这款游戏的源代码，得知要多处用到线程，又温习了一下课本。如果不是张老师的那个会，我现在应该着手在做web或者安卓。 本来只是想快点摆脱的一项任务，一做就是一个月。现在，我还是会想象java，逛逛论坛，有时候还会想象着做出一个app上线itunes，但更多的精力还是用心地做着C+图像处理。也许我并不喜欢C+，但在我发现它没有那么难的时候，其实，喜欢java，也不过是畏难的借口。 HJK.im，这是我提到的那位大神的网站，如果大家有兴趣，可以去看看。希望他，或者有人，能最终明白为什么做什么的真谛。 那么，关于基于混合高斯模型检测运动物体就自卖自夸到这里咯！
