高斯混合背景建模

BackgroundSubtractor類

背景/前景分割的基類

該類僅用于定義整個(gè)背景/前景分割算法族的公共接口

operator()

計(jì)算前景掩碼

void BackgroundSubtractor::operator()(InputArray image, OutputArray fgmask, double learningRate=0) //image – 下一視頻幀傅是。 fgmask – 輸出前景掩碼為8位二進(jìn)制映像咐吼。

getBackgroundImage

計(jì)算背景圖像

void BackgroundSubtractor::getBackgroundImage(OutputArray backgroundImage) const //backgroundImage – 輸出的背景圖像

BackgroundSubtractorMOG

繼承自BackgroundSubtractor,基于高斯混合的背景/前景分割算法

構(gòu)造函數(shù)

BackgroundSubtractorMOG::BackgroundSubtractorMOG()
BackgroundSubtractorMOG::BackgroundSubtractorMOG(int history, int nmixtures, double backgroundRatio, double noiseSigma=0)

history

歷史幀的數(shù)目; nmixtures - 混合高斯數(shù)量; backgroundRatio - 背景比例; noiseSigma - 噪聲權(quán)重

BackgroundSubtractorMOG2

繼承自BackgroundSubtractor,基于高斯混合的背景/前景分割算法2

構(gòu)建類的實(shí)例后刃滓,可以設(shè)置類的重要成員:

  • int nmixtures - 混合組件最大允許數(shù)酌媒。實(shí)際數(shù)量是根據(jù)每個(gè)像素動(dòng)態(tài)確定的欠痴。
  • float backgroundRatio - 閾值定義組件是否足夠顯著以包括到背景模型中。 cf = 0.1 => TB = 0.9是默認(rèn)值秒咨。對(duì)于α= 0.001喇辽,這意味著在被認(rèn)為是前景之前,該模式應(yīng)存在大約105幀雨席。
  • float varThresholdGen - 幫助決定樣品何時(shí)接近現(xiàn)有組分(對(duì)應(yīng)于Tg)的馬氏距離平方的閾值菩咨。如果它不靠近任何組件,則會(huì)生成一個(gè)新組件。默認(rèn)為3 sigma => Tg = 3 * 3 = 9抽米。較小的Tg值產(chǎn)生更多的組分特占。較高的Tg值可能導(dǎo)致少量的組分,但它們可能生長(zhǎng)得太大缨硝。
  • float fVarInit - 新生成的組件的初始方差摩钙。它影響適應(yīng)的速度。參數(shù)值基于您對(duì)圖像的典型標(biāo)準(zhǔn)偏差的估計(jì)查辩。 OpenCV使用15作為合理的值胖笛。
  • float fVarMin - 用于進(jìn)一步控制方差的參數(shù)。
  • float fVarMax - 用于進(jìn)一步控制方差的參數(shù)宜岛。
  • float fCT - 復(fù)雜性降低參數(shù)长踊。此參數(shù)定義接受證明組件存在所需的樣本數(shù)。 CT = 0.05是所有樣本的默認(rèn)值萍倡。通過(guò)設(shè)置CT = 0身弊,您得到的算法非常類似于標(biāo)準(zhǔn)的Stauffer&Grimson算法。
  • uchar nShadowDetection - 用于在輸出前景蒙版中標(biāo)記陰影像素的值列敲。默認(rèn)值為127阱佛。
  • float fTau - 陰影閾值。如果像素是背景的較暗版本戴而,則檢測(cè)到陰影凑术。 Tau是一個(gè)閾值,定義陰影可以有多深所意。 Tau = 0.5意味著如果一個(gè)像素多于兩倍暗淮逊,那么它不是陰影。

構(gòu)造函數(shù)

BackgroundSubtractorMOG2::BackgroundSubtractorMOG2()
BackgroundSubtractorMOG2::BackgroundSubtractorMOG2(int history, float varThreshold, bool bShadowDetection=1)

history – 歷史幀的數(shù)目扶踊。 varThreshold – 馬氏平方距離上使用的來(lái)判斷是否為背景的閾值泄鹏。bShadowDetection – 是否使用陰影檢測(cè)。

getBackgroundImage

返回背景圖像

void BackgroundSubtractorMOG2::getBackgroundImage(OutputArray backgroundImage)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末秧耗,一起剝皮案震驚了整個(gè)濱河市备籽,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌分井,老刑警劉巖胶台,帶你破解...
    沈念sama閱讀 218,386評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異杂抽,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)韩脏,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,142評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門缩麸,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人赡矢,你說(shuō)我怎么就攤上這事杭朱≡淖校” “怎么了?”我有些...
    開封第一講書人閱讀 164,704評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵弧械,是天一觀的道長(zhǎng)八酒。 經(jīng)常有香客問我,道長(zhǎng)刃唐,這世上最難降的妖魔是什么羞迷? 我笑而不...
    開封第一講書人閱讀 58,702評(píng)論 1 294
  • 正文 為了忘掉前任,我火速辦了婚禮画饥,結(jié)果婚禮上衔瓮,老公的妹妹穿的比我還像新娘。我一直安慰自己抖甘,他們只是感情好热鞍,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,716評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著衔彻,像睡著了一般薇宠。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上艰额,一...
    開封第一講書人閱讀 51,573評(píng)論 1 305
  • 那天澄港,我揣著相機(jī)與錄音,去河邊找鬼悴晰。 笑死慢睡,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的铡溪。 我是一名探鬼主播漂辐,決...
    沈念sama閱讀 40,314評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼棕硫!你這毒婦竟也來(lái)了髓涯?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,230評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤哈扮,失蹤者是張志新(化名)和其女友劉穎纬纪,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體滑肉,經(jīng)...
    沈念sama閱讀 45,680評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡包各,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,873評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了靶庙。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片问畅。...
    茶點(diǎn)故事閱讀 39,991評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出护姆,到底是詐尸還是另有隱情矾端,我是刑警寧澤,帶...
    沈念sama閱讀 35,706評(píng)論 5 346
  • 正文 年R本政府宣布卵皂,位于F島的核電站秩铆,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏灯变。R本人自食惡果不足惜殴玛,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,329評(píng)論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望柒凉。 院中可真熱鬧族阅,春花似錦、人聲如沸膝捞。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,910評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)蔬咬。三九已至鲤遥,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間林艘,已是汗流浹背盖奈。 一陣腳步聲響...
    開封第一講書人閱讀 33,038評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留狐援,地道東北人钢坦。 一個(gè)月前我還...
    沈念sama閱讀 48,158評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像啥酱,于是被迫代替她去往敵國(guó)和親爹凹。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,941評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • 在iOS中隨處都可以看到絢麗的動(dòng)畫效果镶殷,實(shí)現(xiàn)這些動(dòng)畫的過(guò)程并不復(fù)雜禾酱,今天將帶大家一窺iOS動(dòng)畫全貌。在這里你可以看...
    F麥子閱讀 5,111評(píng)論 5 13
  • 最近需要給直播項(xiàng)目中添加美顏的功能绘趋,調(diào)研了很多SDK和開源代碼(視決颤陶,涂圖,七牛陷遮,金山云滓走,videoCore等),...
    未來(lái)的路就在那閱讀 2,000評(píng)論 1 1
  • 版本記錄 前言 GPUImage是直接利用顯卡實(shí)現(xiàn)視頻或者圖像處理的技術(shù)帽馋。感興趣可以看上面幾篇文章搅方。1. GPUI...
    刀客傳奇閱讀 4,222評(píng)論 8 6
  • 人的一生總是在不斷選擇 向左還是向右 吃西餐還是中餐 說(shuō)還是不說(shuō) 在做出選擇以后 會(huì)不會(huì)有那么一剎那 有點(diǎn)后悔 莫...
    愛幻想的小睡獸閱讀 171評(píng)論 0 0
  • 64b79db7c71b閱讀 231評(píng)論 0 0