matlab混合高斯背景建模

利用多维高斯混合模型，建立背景，然后通过减背景获得前景区域，多维高斯混合模型具有较强的抗噪声，较好适应光线变化

% This m-file implements the mixture of Gaussians algorithm for background
% subtraction.  It may be used free of charge for any purpose （commercial
% or otherwise） as long as the author （Seth Benton） is acknowledged.


clear all

% source = aviread（‘C:\Video\Source\traffic\san_fran_traffic_30sec_QVGA‘）;
source = aviread（‘..\test_video\san_fran_traffic_30sec_QVGA_Cinepak‘）;

% -----------------------  frame size variables -----------------------

fr = source（1）.cdata;           % read in 1st frame as background frame
fr_bw = rgb2gray（fr）;     % convert background to greyscale
fr_size = size（fr）;             
width = fr_size（2）;
height = fr_size（1）;
fg = zeros（height width）;
bg_bw = zeros（height width）;

% --------------------- mog variables -----------------------------------

C = 3;                                  % number of gaussian components （typically 3-5）
M = 3;                                  % number of background components
D = 2.5;                                % positive deviation threshold
alpha = 0.01;                           % learning rate （between 0 and 1） （from paper 0.01）
thresh = 0.25;                          % foreground threshold （0.25 or 0.75 in paper）
sd_init = 6;                            % initial standard deviation （for new components） var = 36 in paper
w = zeros（heightwidthC）;              % initialize weights array
mean = zeros（heightwidthC）;           % pixel means
sd = zeros（heightwidthC）;             % pixel standard deviations
u_diff = zeros（heightwidthC）;         % difference of each pixel from mean
p = alpha/（1/C）;                        % initial p variable （used to update mean and sd）
rank = zeros（1C）;                      % rank of components （w/sd）


% --------------------- initialize component means and weights -----------

pixel_depth = 8;                        % 8-bit resolution
pixel_range = 2^pixel_depth -1;         % pixel range （# of possible values）

for i=1:height
    for j=1:width
        for k=1:C
            
            mean（ijk） = rand*pixel_range;     % means random （0-255）
            w（ijk） = 1/C;                     % weights uniformly dist
            sd（ijk） = sd_init;                % initialize to sd_init
            
        end
    end
end

%--------------------- process frames -----------------------------------

for n = 1:length（source）

    fr = source（n）.cdata;       % read in frame
    fr_bw = rgb2gray（fr）;       % convert frame to grayscale
    
    % calculate difference of pixel values from mean
    for m=1:C
        u_diff（::m） = abs（double（fr_bw） - double（mean（::m）））;
    end
     
    % update gaussian components for each pixel
    for i=1:height
        for j=1:width
            
            match = 0;
            for k=1:C                       
                if （abs（u_diff（ijk）） <= D*sd（ijk））       % pixel matches component
                    
                   

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        5224  2008-12-11 22:37  mixture_of_gaussians.m