运动检测（前景检测）之（二）混合高斯模型GMM

        因为监控发展的需求，目前前景检测的研究还是很多的，也出现了很多新的方法和思路。个人了解的大概概括为以下一些：

帧差、背景减除（GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……）、光流（稀疏光流、稠密光流）、运动竞争（Motion Competition）、运动模版（运动历史图像）、时间熵……等等。如果加上他们的改进版，那就是很大的一个家族了。

1. #pragma once  
2. #include <iostream>  
3. #include "opencv2/opencv.hpp"  
4.   
5. using namespace cv;  
6. using namespace std;  
7.   
8. //定义gmm模型用到的变量  
9.  #define GMM_MAX_COMPONT 6          //每个GMM最多的高斯模型个数  
10.  #define GMM_LEARN_ALPHA 0.005    
11.  #define GMM_THRESHOD_SUMW 0.7  
12.  #define TRAIN_FRAMES 60    // 对前 TRAIN_FRAMES 帧建模  
13.   
14. class MOG_BGS  
15. {  
16. public:  
17.     MOG_BGS(void);  
18.     ~MOG_BGS(void);  
19.   
20.     void init(const Mat _image);  
21.     void processFirstFrame(const Mat _image);  
22.     void trainGMM(const Mat _image);  
23.     void getFitNum(const Mat _image);  
24.     void testGMM(const Mat _image);  
25.     Mat getMask(void){return m_mask;};  
26.    
27. private:  
28.     Mat m_weight[GMM_MAX_COMPONT];  //权值  
29.     Mat m_mean[GMM_MAX_COMPONT];    //均值  
30.     Mat m_sigma[GMM_MAX_COMPONT];   //方差  
31.   
32.     Mat m_mask;  
33.     Mat m_fit_num;  
34.  1/8    1 2 3 4 5 6 下一页 尾页