运动检测（前景检测）之（一）ViBe

    转自： http://blog.csdn.net/zouxy09/article/details/9622285

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。

      对于上一些方法的一点简单的对比分析可以参考下：

http://www.cnblogs.com/ronny/archive/2012/04/12/2444053.html

       至于哪个最好，看使用环境吧，各有千秋，有一些适用的情况更多，有一些在某些情况下表现更好。这些都需要针对自己的使用情况作测试确定的。呵呵。

       推荐一个牛逼的库：http://code.google.com/p/bgslibrary/里面包含了各种背景减除的方法，可以让自己少做很多力气活。

       还有王先荣博客上存在不少的分析：

http://www.cnblogs.com/xrwang/archive/2010/02/21/ForegroundDetection.html

       下面的博客上转载王先荣的上面几篇，然后加上自己分析了两篇：

http://blog.csdn.net/stellar0

 

       本文主要关注其中的一种背景减除方法：ViBe。stellar0的博客上对ViBe进行了分析，我这里就不再啰嗦了，具体的理论可以参考：

http://www2.ulg.ac.be/telecom/research/vibe/

http://blog.csdn.net/stellar0/article/details/8777283

http://blog.csdn.net/yongshengsilingsa/article/details/6659859

http://www2.ulg.ac.be/telecom/research/vibe/download.html

http://www.cvchina.info/2011/12/25/vibe/

《ViBe: A universal background subtraction algorithm for video sequences》

《ViBe: a powerful technique for background detection and subtraction in video sequences》

 

       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
plaincopy

#pragma once  

#include <iostream>  

#include "opencv2/opencv.hpp"  

  

using namespace cv;  

using namespace std;  

  

#define NUM_SAMPLES 20      //每个像素点的样本个数  

#define MIN_MATCHES 2       //#min指数  

#define RADIUS 20       //Sqthere半径  

#define SUBSAMPLE_FACTOR 16 //子采样概率  

  

  

class ViBe_BGS  

{  

public:  

    ViBe_BGS(void);  

    ~ViBe_BGS(void);  

  

    void init(const Mat _image);   //初始化  

    void processFirstFrame(const Mat _image);  

    void testAndUpdate(const Mat _image);  //更新  

    Mat getMask(void){return m_mask;};  

  

private:  

    Mat m_samples[NUM_SAMPLES];  

    Mat m_foregroundMatchCount;  

    Mat m_mask;  

};  

ViBe.cpp

[cpp] view
plaincopy

#include <opencv2/opencv.hpp>  

#include <iostream>  

#include "ViBe.h"  

  

using namespace std;  

using namespace cv;  

  

int c_xoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //x的邻居点  

int c_yoff[9] = {-1,  0,  1, -1, 1, -1, 0, 1, 0};  //y的邻居点  

  

ViBe_BGS::ViBe_BGS(void)  

{  

  

}  

ViBe_BGS::~ViBe_BGS(void)  

{  

  

}  

  

/**************** Assign space and init ***************************/  

void ViBe_BGS::init(const Mat _image)  

{  

     for(int i = 0; i < NUM_SAMPLES; i++)  

     {  

         m_samples[i] = Mat::zeros(_image.size(), CV_8UC1);  

     }  

     m_mask = Mat::zeros(_image.size(),CV_8UC1);  

     m_foregroundMatchCount = Mat::zeros(_image.size(),CV_8UC1);  

}  

  

/**************** Init model from first frame ********************/  

void ViBe_BGS::processFirstFrame(const Mat _image)  

{  

    RNG rng;  

    int row, col;  

  

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

    {  

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

        {  

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

             {  

                 // Random pick up NUM_SAMPLES pixel in neighbourhood to construct the model  

                 int random = rng.uniform(0, 9);  

  

                 row = i + c_yoff[random];  

                 if (row < 0)   

                     row = 0;  

                 if (row >= _image.rows)  

                     row = _image.rows - 1;  

  

                 col = j + c_xoff[random];  

                 if (col < 0)   

                     col = 0;  

                 if (col >= _image.cols)  

                     col = _image.cols - 1;  

  

                 m_samples[k].at<uchar>(i, j) = _image.at<uchar>(row, col);  

             }  

        }  

    }  

}  

  

/**************** Test a new frame and update model ********************/  

void ViBe_BGS::testAndUpdate(const Mat _image)  

{  

    RNG rng;  

  

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

    {  

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

        {  

            int matches(0), count(0);  

            float dist;  

  

            while(matches < MIN_MATCHES && count < NUM_SAMPLES)  

            {  

                dist = abs(m_samples[count].at<uchar>(i, j) - _image.at<uchar>(i, j));  

                if (dist < RADIUS)  

                    matches++;  

                count++;  

            }  

  

            if (matches >= MIN_MATCHES)  

            {  

                // It is a background pixel  

                m_foregroundMatchCount.at<uchar>(i, j) = 0;  

  

                // Set background pixel to 0  

                m_mask.at<uchar>(i, j) = 0;  

  

                // 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  

                int random = rng.uniform(0, SUBSAMPLE_FACTOR);  

                if (random == 0)  

                {  

                    random = rng.uniform(0, NUM_SAMPLES);  

                    m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);  

                }  

  

                // 同时也有 1 / defaultSubsamplingFactor 的概率去更新它的邻居点的模型样本值  

                random = rng.uniform(0, SUBSAMPLE_FACTOR);  

                if (random == 0)  

                {  

                    int row, col;  

                    random = rng.uniform(0, 9);  

                    row = i + c_yoff[random];  

                    if (row < 0)   

                        row = 0;  

                    if (row >= _image.rows)  

                        row = _image.rows - 1;  

  

                    random = rng.uniform(0, 9);  

                    col = j + c_xoff[random];  

                    if (col < 0)   

                        col = 0;  

                    if (col >= _image.cols)  

                        col = _image.cols - 1;  

  

                    random = rng.uniform(0, NUM_SAMPLES);  

                    m_samples[random].at<uchar>(row, col) = _image.at<uchar>(i, j);  

                }  

            }  

            else  

            {  

                // It is a foreground pixel  

                m_foregroundMatchCount.at<uchar>(i, j)++;  

  

                // Set background pixel to 255  

                m_mask.at<uchar>(i, j) = 255;  

  

                //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  

                if (m_foregroundMatchCount.at<uchar>(i, j) > 50)  

                {  

                    int random = rng.uniform(0, NUM_SAMPLES);  

                    if (random == 0)  

                    {  

                        random = rng.uniform(0, NUM_SAMPLES);  

                        m_samples[random].at<uchar>(i, j) = _image.at<uchar>(i, j);  

                    }  

                }  

            }  

        }  

    }  

}  

Main.cpp

[cpp] view
plaincopy

// This is based on   

// "VIBE: A POWERFUL RANDOM TECHNIQUE TO ESTIMATE THE BACKGROUND IN VIDEO SEQUENCES"  

// by Olivier Barnich and Marc Van Droogenbroeck  

// Author : zouxy  

// Date   : 2013-4-13  

// HomePage : http://blog.csdn.net/zouxy09  

// Email  : zouxy09@qq.com  

  

#include "opencv2/opencv.hpp"  

#include "ViBe.h"  

#include <iostream>  

#include <cstdio>  

  

using namespace cv;  

using namespace std;  

  

int main(int argc, char* argv[])  

{  

    Mat frame, gray, mask;  

    VideoCapture capture;  

    capture.open("video.avi");  

  

    if (!capture.isOpened())  

    {  

        cout<<"No camera or video input!\n"<<endl;  

        return -1;  

    }  

  

    ViBe_BGS Vibe_Bgs;  

    int count = 0;  

  

    while (1)  

    {  

        count++;  

        capture >> frame;  

        if (frame.empty())  

            break;  

        cvtColor(frame, gray, CV_RGB2GRAY);  

      

        if (count == 1)  

        {  

            Vibe_Bgs.init(gray);  

            Vibe_Bgs.processFirstFrame(gray);  

            cout<<" Training GMM complete!"<<endl;  

        }  

        else  

        {  

            Vibe_Bgs.testAndUpdate(gray);  

            mask = Vibe_Bgs.getMask();  

            morphologyEx(mask, mask, MORPH_OPEN, Mat());  

            imshow("mask", mask);  

        }  

  

        imshow("input", frame);   

  

        if ( cvWaitKey(10) == 'q' )  

            break;  

    }  

  

    return 0;  

}