运动检测（前景检测）

 ViBe是一种像素级视频背景建模或前景检测的算法，效果优于所熟知的几种算法，对硬件内存占用也少，很简单。我之前根据stellar0的代码（在这里，非常感谢stellar0）改写成一个Mat格式的代码了，现在摆上来和大家交流，具体如下：（在VS2010+OpenCV2.4.2中测试通过）

ViBe.h

[cpp]  view plain copy

1. #pragma once  
2. #include <iostream>  
3. #include "opencv2/opencv.hpp"  
4.   
5. using namespace cv;  
6. using namespace std;  
7.   
8. #define NUM_SAMPLES 20      //每个像素点的样本个数  
9. #define MIN_MATCHES 2       //#min指数  
10. #define RADIUS 20       //Sqthere半径  
11. #define SUBSAMPLE_FACTOR 16 //子采样概率  
12.   
13.   
14. class ViBe_BGS  
15. {  
16. public:  
17.     ViBe_BGS(void);  
18.     ~ViBe_BGS(void);  
19.   
20.     void init(const Mat _image);   //初始化  
21.     void processFirstFrame(const Mat _image);  
22.     void testAndUpdate(const Mat _image);  //更新  
23.     Mat getMask(void){return m_mask;};  
24.   
25. private:  
26.     Mat m_samples[NUM_SAMPLES];  
27.     Mat m_foregroundMatchCount;  
28.     Mat m_mask;  
29. };  

ViBe.cpp

[cpp]  view plain copy

1. #include <opencv2/opencv.hpp>  
2. #include <iostream>  
3. #include "ViBe.h"  
4.   
5. using namespace std;  
6. using namespace cv;  
7.   
8. int c_xoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //x的邻居点  
9. int c_yoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //y的邻居点  
10.   
11. ViBe_BGS::ViBe_BGS(void)  
12. {  
13.   
14. }  
15. ViBe_BGS::~ViBe_BGS(void)  
16. {  
17.   
18. }  
19.   
20. /**************** Assign space and init ***************************/  
21. void ViBe_BGS::init(const Mat _image)  
22. {  
23.      for(int i = 0; i < NUM_SAMPLES; i++)  
24.      {  
25.          m_samples[i] = Mat::zeros(_image.size(), CV_8UC1);  
26.      }  
27.      m_mask = Mat::zeros(_image.size(),CV_8UC1);  
28.      m_foregroundMatchCount = Mat::zeros(_image.size(),CV_8UC1);  
29. }  
30.   
31. /**************** Init model from first frame ********************/  
32. void ViBe_BGS::processFirstFrame(const Mat _image)  
33. {  
34.     RNG rng;  
35.     int row, col;  
36.   
37.     for(int i = 0; i < _image.rows; i++)  
38.     {  
39.         for(int j = 0; j < _image.cols; j++)  
40.         {  
41.              for(int k = 0 ; k < NUM_SAMPLES; k++)  
42.              {  
43.                  // Random pick up NUM_SAMPLES pixel in neighbourhood to construct the model  
44.                  int random = rng.uniform(0, 9);  
45.   
46.                  row = i + c_yoff[random];  
47.                  if (row < 0)   
48.                      row = 0;  
49.                  if (row >= _image.rows)  
50.                      row = _image.rows - 1;  
51.   
52.                  col = j + c_xoff[random];  
53.                  if (col < 0)   
54.                      col = 0;  
55.                  if (col >= _image.cols)  
56.                      col = _image.cols - 1;  
57.   
58.                  m_samples[k].at<uchar>(i, j) = _image.at<uchar>(row, col);  
59.              }  
60.         }  
61.     }  
62. }  
63.   
64. /**************** Test a new frame and update model ********************/  
65. void ViBe_BGS::testAndUpdate(const Mat _image)  
66. {  
67.     RNG rng;  
68.   
69.     for(int i = 0; i < _image.rows; i++)  
70.     {  
71.         for(int j = 0; j < _image.cols; j++)  
72.         {  
73.             int matches(0), count(0);  
74.             float dist;  
75.   
76.             while(matches < MIN_MATCHES && count < NUM_SAMPLES)  
77.             {  
78.                 dist = abs(m_samples[count].at<uchar>(i, j) - _image.at<uchar>(i, j));  
79.                 if (dist < RADIUS)  
80.                     matches++;  
81.                 count++;  
82.             }  
83.   
84.             if (matches >= MIN_MATCHES)  
85.             {  
86.                 // It is a background pixel  
87.                 m_foregroundMatchCount.at<uchar>(i, j) = 0;  
88.   
89.                 // Set background pixel to 0  
90.                 m_mask.at<uchar>(i, j) = 0;  
91.   
92.                 // 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  
93.                 int random = rng.uniform(0, SUBSAMPLE_FACTOR);  
94.                 if (random == 0)  
95.                 {  
96.                     random = rng.uniform(0, NUM_SAMPLES);  
97.                     m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);  
98.                 }  
99.   
100.                 // 同时也有 1 / defaultSubsamplingFactor 的概率去更新它的邻居点的模型样本值  
101.                 random = rng.uniform(0, SUBSAMPLE_FACTOR);  
102.                 if (random == 0)  
103.                 {  
104.                     int row, col;  
105.                     random = rng.uniform(0, 9);  
106.                     row = i + c_yoff[random];  
107.                     if (row < 0)   
108.                         row = 0;  
109.                     if (row >= _image.rows)  
110.                         row = _image.rows - 1;  
111.   
112.                     random = rng.uniform(0, 9);  
113.                     col = j + c_xoff[random];  
114.                     if (col < 0)   
115.                         col = 0;  
116.                     if (col >= _image.cols)  
117.                         col = _image.cols - 1;  
118.   
119.                     random = rng.uniform(0, NUM_SAMPLES);  
120.                     m_samples[random].at<uchar>(row, col) = _image.at<uchar>(i, j);  
121.                 }  
122.             }  
123.             else  
124.             {  
125.                 // It is a foreground pixel  
126.                 m_foregroundMatchCount.at<uchar>(i, j)++;  
127.   
128.                 // Set background pixel to 255  
129.                 m_mask.at<uchar>(i, j) = 255;  
130.   
131.                 //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  
132.                 if (m_foregroundMatchCount.at<uchar>(i, j) > 50)  
133.                 {  
134.                     int random = rng.uniform(0, SUBSAMPLE_FACTOR);  
135.                     if (random == 0)  
136.                     {  
137.                         random = rng.uniform(0, NUM_SAMPLES);  
138.                         m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);  
139.                     }  
140.                 }  
141.             }  
142.         }  
143.     }  
144. }  

Main.cpp

[cpp]  view plain copy

1. // This is based on   
2. // "VIBE: A POWERFUL RANDOM TECHNIQUE TO ESTIMATE THE BACKGROUND IN VIDEO SEQUENCES"  
3. // by Olivier Barnich and Marc Van Droogenbroeck  
4. // Author : zouxy  
5. // Date   : 2013-4-13  
6. // HomePage : http://blog.youkuaiyun.com/zouxy09  
7. // Email  : zouxy09@qq.com  
8.   
9. #include "opencv2/opencv.hpp"  
10. #include "ViBe.h"  
11. #include <iostream>  
12. #include <cstdio>  
13.   
14. using namespace cv;  
15. using namespace std;  
16.   
17. int main(int argc, char* argv[])  
18. {  
19.     Mat frame, gray, mask;  
20.     VideoCapture capture;  
21.     capture.open("video.avi");  
22.   
23.     if (!capture.isOpened())  
24.     {  
25.         cout<<"No camera or video input!\n"<<endl;  
26.         return -1;  
27.     }  
28.   
29.     ViBe_BGS Vibe_Bgs;  
30.     int count = 0;  
31.   
32.     while (1)  
33.     {  
34.         count++;  
35.         capture >> frame;  
36.         if (frame.empty())  
37.             break;  
38.         cvtColor(frame, gray, CV_RGB2GRAY);  
39.       
40.         if (count == 1)  
41.         {  
42.             Vibe_Bgs.init(gray);  
43.             Vibe_Bgs.processFirstFrame(gray);  
44.             cout<<" Training GMM complete!"<<endl;  
45.         }  
46.         else  
47.         {  
48.             Vibe_Bgs.testAndUpdate(gray);  
49.             mask = Vibe_Bgs.getMask();  
50.             morphologyEx(mask, mask, MORPH_OPEN, Mat());  
51.             imshow("mask", mask);  
52.         }  
53.   
54.         imshow("input", frame);   
55.   
56.         if ( cvWaitKey(10) == 'q' )  
57.             break;  
58.     }  
59.   
60.     return 0;  
61. }