运动检测（前景检测）之（二）混合高斯模型GMM-赢咖4注册

aihot 2017-04-26 12:19:58 OpenCV | 查看评论

}

// 通过新的帧来训练GMM

void MOG_BGS::trainGMM(const Mat _image)

{

for(int i = 0; i < _image.rows; i++)

{

for(int j = 0; j < _image.cols; j++)

{

int num_fit = 0;

/**************************** Update parameters Start ******************************************/

for(int k = 0 ; k < GMM_MAX_COMPONT; k++)

{

int delm = abs(_image.at<uchar>(i, j) - m_mean[k].at<uchar>(i, j));

long dist = delm * delm;

// 判断是否匹配：采样值与高斯分布的均值的距离小于3倍方差（表示匹配）

if( dist < 3.0 * m_sigma[k].at<float>(i, j))

{

// 如果匹配

/****update the weight****/

m_weight[k].at<float>(i, j) += GMM_LEARN_ALPHA * (1 - m_weight[k].at<float>(i, j));

/****update the average****/

m_mean[k].at<uchar>(i, j) += (GMM_LEARN_ALPHA / m_weight[k].at<uchar>(i, j)) * delm;

/****update the variance****/

m_sigma[k].at<float>(i, j) += (GMM_LEARN_ALPHA / m_weight[k].at<float>(i, j)) * (dist - m_sigma[k].at<float>(i, j));

}

else

{

// 如果不匹配。则该该高斯模型的权值变小

m_weight[k].at<float>(i, j) += GMM_LEARN_ALPHA * (0 - m_weight[k].at<float>(i, j));