光流法高斯模型的具体介绍

请求帮助 实现 背景差减法 、帧间差分法、光流法 的算法，C++或者matlab都行，现成的源码都行

建议用opencv库 环境搭建: /album/2a138328497ce6074b134f64.html 矩阵操作: /s/blog_afe2af380101bqhz.html 代码: absdiff(frame, prveframe, differframe);//获取差分帧 differframe= frame-prveframe

Pr怎么补帧？

工具/原料 一台电脑 方法/步骤 1、首先将视频素材倒入pr中。

2、鼠标右键选择【时间/持续速度】。

3、选择【帧采样】，点击确定。

4、接着再次鼠标右键，选择【时间/持续速度】。

5、将速度改为30%，将【帧采样】切换成【光流法】。

6、可以看到pr已经帮我们自动补帧，视频也不会卡顿啦！

光流法一定需要rgb吗 二值图

是的！ 在计算机 图像中，颜色值是由 8位 16位 32位等 二进制数来表示的！ 他们都是整数！ 但是在模拟信号中的RGB 为模拟值！ 在AD转换中依旧为 二进制数（也是整数）！

怎么跟踪 好好回答 实际找专业

视觉跟踪其实就是利用图像处理技术出图像序列中运动的那个物体。

特征是必须的，没有特诊就没有跟踪的依据，但是可以选择的特征很丰富，原理各部相同没有相关性。

你这里的光流法是利用时间上的统计特性，至于你所谓的特征光流法就看你自己做的什么东西什么要求了，别人不知道你要做什么，什么特征。

视频图像序列检测方法很多，无法回答 第四题大多的图像处理书上都有，建议你好好看看书 第五题更回答不出来了，原因前面说了。

基于你的问题，我认为，这个可能是硕士论文吧(除非是普通的背景生成可以给本科做做)!首先你要好好的看书，这些问题不应该来问而是自己学的，这是最基本的学习研究能力。

第二，你的问题问的太大了，显得很不专业，你的问题找教授来也无从下口回答你。

建议你看数字图像处理的书，外面很多，冈萨雷斯的可能比较容易上手。

讲解的比较通俗易懂，利于你掌握基本知识。

另外你应该在具体方法上大量查阅文献资料(不要说不会查)，这些会是一系列的数学问题，别人帮不了你，即使你的导师(除非你是本科生，导师给你的基本都是有成型的东西)。

你论文中必须详细描述的。

高斯模型的具体介绍

展开全部 　　混合高斯模型： 　　运动检测的一般方法 　　目前，运动物体检测的问题主要分为两类，摄像机固定和摄像机运动。

对于摄像机运动的运动物体检测问题，比较著名的解决方案是光流法，通过求解偏微分方程求的图像序列的光流场，从而预测摄像机的运动状态。

对于摄像机固定的情形，当然也可以用光流法，但是由于光流法的复杂性，往往难以实时的计算，所以我采用高斯背景模型。

因为，在摄像机固定的情况下，背景的变化是缓慢的，而且大都是光照，风等等的影响，通过对背景建模，对一幅给定图像分离前景和背景，一般来说，前景就是运动物体，从而达到运动物体检测的目的。

　　单分布高斯背景模型 　　单分布高斯背景模型认为，对一个背景图像，特定像素亮度的分布满足高斯分布，即对背景图像B，(x,y)点的亮度满足： 　　IB(x,y) ~ N(u,d) 　　这样我们的背景模型的每个象素属性包括两个参数：平均值u 和 方差d。

　　对于一幅给定的图像G，如果 Exp(-(IG(x,y)-u(x,y))^2/(2*d^2)) > T，认为(x,y)是背景点，反之是前景点。

　　同时，随着时间的变化，背景图像也会发生缓慢的变化，这时我们要不断更新每个象素点的参数 　　u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y) 　　这里，a称为更新参数，表示背景变化的速度，一般情况下，我们不更新d（实验中发现更不更新d，效果变化不大）。

　　高斯混合模型是用于背景提取的方法，OpenCV的cvaux中cvbgfg_gaussmix.cpp文件根据文献An improved adaptive background mixture model for real-time tracking with shadow中提供的方法编写了高斯混合模型函数。

其中定义了CvGaussBGModel类用于存放高斯混合模型的各个参数。

我用OpenCV使用高斯混合模型函数分以下几步： 　　1。

需要用到icvUpdateGaussianBGModel，icvReleaseGaussianBGModel两个函数，但是源程序中将这两个函数定义为内部函数，需要做一些修改，首先将cvbgfg_gaussmix.cpp中前面两个函数的声明static void CV_CDECL icvReleaseGaussianBGModel( CvGaussBGModel** bg_model ); 　　static int CV_CDECL icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model );两行代码注释掉。

然后在cvbgfg_gaussmix.cpp中间部分两个函数的定义部分，函数头static int和static void改成CV_IMPL int 和CV_IMPL void。

最后在cvaux.h文件中CVAPI(CvBGStatModel*) cvCreateGaussianBGModel( IplImage* first_frame, 　　CvGaussBGStatModelParams* parameters CV_DEFAULT(NULL));这句后面加上以下两句CVAPI(void) icvReleaseGaussianBGModel( CvGaussBGModel** bg_model ); 　　CVAPI(int) icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel* bg_model ); 　　程序修改完毕，点rebuild all，全部重新编译。

　　2。

在程序初始化部分定义高斯混合模型参数CvGaussBGModel* bg_model=NULL;在读取第一帧图像（背景图像）时，进行高斯背景建模bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(image, 0);image可以是灰度图象也可以是彩色图像。

接下来再读取当前帧时，更新高斯模型 　　regioncount=icvUpdateGaussianBGModel(currframe, bg_model );regioncount的含义我不确定，我理解是代表背景中不同颜色区域的个数，这个参数我没有用到，它只是icvUpdateGaussianBGModel函数的返回值。

　　3。

现在bg_model已经保存了经过高斯混合模型分类后的结果，bg_model->background保存了背景图像，bg_model->foreground保存了前景图像。

　　include 　　#include 　　#include 　　#include 　　#include //必须引此头文件 　　int main( int argc, char** argv ) 　　{ 　　IplImage* pFrame = NULL; 　　IplImage* pFrImg = NULL; 　　IplImage* pBkImg = NULL; 　　CvCapture* pCapture = NULL; 　　int nFrmNum = 0; 　　cvNamedWindow("video", 1); 　　cvNamedWindow("background",1); 　　cvNamedWindow("foreground",1); 　　cvMoveWindow("video", 30, 0); 　　cvMoveWindow("background", 360, 0); 　　cvMoveWindow("foreground", 690, 0); 　　if( argc > 2 ) 　　{ 　　fprintf(stderr, "Usage: bkgrd [video_file_name] "); 　　return -1; 　　} 　　//打开视频文件 　　if(argc == 2) 　　if( !(pCapture = cvCaptureFromFile(argv[1]))) 　　{ 　　fprintf(stderr, "Can not open video file %s ", argv[1]); 　　return -2; 　　} 　　//打开摄像头 　　if (argc == 1) 　　if( !(pCapture = cvCaptureFromCAM(-1))) 　　{ 　　fprintf(stderr, "Can not open camera. "); 　　return -2; 　　} 　　//初始化高斯混合模型参数 　　CvGaussBGModel* bg_model=NULL; 　　while(pFrame = cvQueryFrame( pCapture )) 　　{ 　　nFrmNum++; 　　if(nFrmNum == 1) 　　{ 　　pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,3); 　　pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1); 　　//高斯背景建模，pFrame可以是多通道图像也可以是单通道图像 　　//cvCreateGaussianBGModel函数返回值为CvBGStatModel*， 　　//需要强制转换成CvGaussBGModel* 　　bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(pFrame, 0); 　　} 　　else 　　{ 　　//更新高斯模型 　　cvUpdateBGStatModel(pFrame, (CvBGStatModel *)bg_model ); 　　//pFrImg为前景图像，只能为单通道 　　//pBkImg为背景图像，可以为单通道或与pFrame通道数相同 　　cvCopy(bg_model->foreground,pFrImg,0); 　　cvCopy(bg_model->background,pBkImg,0); 　　//把图像正过来 　　pBkImg->origin=1; 　　pFrImg->origin=1; 　　cvShowImage("video", pFrame); 　　cvShowImage("background", pBkImg); 　　cvShowImage("foreground", pFrImg); 　　if( cvWaitKey(2) >= 0 ) 　　break; 　　} 　　} 　　//释放高斯模型参数占用内存 　　cvReleaseBGStatModel((CvBGStatModel**)&bg_model); 　　cvDestroyWindow("video"); 　　cvDestroyWindow("background"); 　　cvDestroyWindow("foreground"); 　　cvReleaseImage(&pFrImg); 　　cvReleaseImage(&pBkImg); 　　cvReleaseCapture(&pCapture); 　　return 0; 　　}