【实验】高斯混合模型+vs2012+opencv2.4.4

本文介绍了如何使用OpenCV自带的GMM算法进行前景检测，并分享了在实现过程中遇到的问题及解决方法。通过将包含287张图片的文件夹与*.vcxproj放在同一文件夹内，以及在特定代码行中替换“/”为“”，可以顺利运行代码。实验结果显示，该算法能够有效识别并提取视频中的动态对象。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看了tornadomeet的前景检测算法_4(opencv自带GMM)

http://www.cnblogs.com/tornadomeet

代码没有问题，我用vs2012和opencv2.4.4跑了一下，有两个小地方需要注意：

1. 把包含287张图片的WavingTrees文件夹与*.vcxproj放在同一个文件夹里；

2. 第63行和104行代码中的"/"用"\\"代替。

实验结果：

为方便自己，代码就放在这里

#include "opencv2/core/core.hpp"
#include "opencv2/video/background_segm.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <stdio.h>

using namespace std;
using namespace cv;

//this is a sample for foreground detection functions
string src_img_name="WavingTrees/b00";
const char *src_img_name1;
Mat img, fgmask, fgimg;
int i=-1;
char chari[500];
bool pause=false;

//第一种gmm,用的是KaewTraKulPong, P. and R. Bowden (2001).
//An improved adaptive background mixture model for real-time tracking with shadow detection.
BackgroundSubtractorMOG bg_model(200,5,0.7,10);

void refineSegments(const Mat& img, Mat& mask, Mat& dst)
{
  int niters = 3;

  vector<vector<Point> > contours;
  vector<Vec4i> hierarchy;

  Mat temp;

  dilate(mask, temp, Mat(), Point(-1,-1), niters);//膨胀，3*3的element，迭代次数为niters
  erode(temp, temp, Mat(), Point(-1,-1), niters*2);//腐蚀
  dilate(temp, temp, Mat(), Point(-1,-1), niters);

  findContours( temp, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );//找轮廓

  dst = Mat::zeros(img.size(), CV_8UC3);

  if( contours.size() == 0 )
    return;

  // iterate through all the top-level contours,
  // draw each connected component with its own random color
  int idx = 0, largestComp = 0;
  double maxArea = 0;
  
  for( ; idx >= 0; idx = hierarchy[idx][0] )
  {
    const vector<Point>& c = contours[idx];
    double area = fabs(contourArea(Mat(c)));
    if( area > maxArea )
    {
      maxArea = area;
      largestComp = idx;//找出包含面积最大的轮廓
    }
  }
  Scalar color( 0, 255, 0 );
  drawContours( dst, contours, largestComp, color, CV_FILLED, 8, hierarchy );
}

int main(int argc, const char** argv)
{
  img=imread("WavingTrees\\b00000.bmp");
  if(img.empty())
  {
    namedWindow("image",1);
    namedWindow("foreground image",1);
    namedWindow("mean background image", 1);
  }
  for(;;)
  {
    if(!pause)
    {
      //读取图片文件
      i++;
      itoa(i,chari,10);
      if(i<10)
      {
        src_img_name+="00";
      }
      else if(i<100)
      {
        src_img_name+="0";
      }
      else if(i>283)
      {
        i=-1;
      }

      src_img_name+=chari;
      src_img_name+=".bmp";

      img=imread(src_img_name);
      if( img.empty() )
        break;

      //update the model
      bg_model(img, fgmask,0.005 );//计算前景mask图像，其中输出fgmask为8-bit二进制图像，第3个参数为学习速率,如果学习速率为0，则为背景相减法
      refineSegments(img, fgmask, fgimg);

      imshow("image", img);
      imshow("foreground image", fgimg);

      src_img_name="WavingTrees\\b00";

    }
    char k = (char)waitKey(80);
    if( k == 27 ) break;

    if( k == ' ' )
    {
      pause=!pause;
    }        
  }

  return 0;
}