运动检测（前景检测）之（二）混合高斯模型GMM

                 m_sigma[GMM_MAX_COMPONT-1].at<float>(i, j) = 15.0;  

             }  

             /*********************** Create new Gaussian component End ****************************/  

         }  

    }  

}  

  

 //对输入图像每个像素gmm选择合适的高斯分量个数  

 //排序后最有可能是背景分布的排在最前面，较小可能的短暂的分布趋向于末端．我们将排序后的前fit_num个分布选为背景模型;  

 //在排过序的分布中，累积概率超过GMM_THRESHOD_SUMW的前fit_num个分布被当作背景模型，剩余的其它分布被当作前景模型．  

void MOG_BGS::getFitNum(const Mat _image)  

{  

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

    {  

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

        {  

            float sum_w = 0.0;  //重新赋值为0，给下一个像素做累积  

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

            {  

                sum_w += m_weight[k].at<float>(i, j);  

                if(sum_w >= GMM_THRESHOD_SUMW)   //如果这里THRESHOD_SUMW=0.6的话，那么得到的高斯数目都为1，因为每个像素都有一个权值接近1  

                {  

                     m_fit_num.at<uchar>(i, j) = k + 1;  

                     break;  

                }  

            }  

        }  

    }  

}  

  

 //gmm测试函数的实现  

void MOG_BGS::testGMM(const Mat _image)  

{  

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

    {  

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

        {  

            int k = 0;  

            for( ; k < m_fit_num.at<uchar>(i, j); k++)  

 6/8   首页 上一页 4 5 6 7 8 下一页 尾页