森林火灾视频识别提取

clear;
[filenamepathname]=uigetfile（‘*.avi‘‘请选择文件‘）;
fpath=[pathname filename];
read_obj=VideoReader（fpath）;
fr_num = read_obj.NumberOfframes;% 视频帧数

num_1=0;
for n =50:fr_num-1 
fr = read（read_obj n）;    
%----动态监测----得到currentframe和grayframe_1----------------------
currentframe = read（read_obj n）;
    I=0.3*currentframe（::1）+0.59*currentframe（::2）+0.11*currentframe（::3）; %来源于基于视频图像的火灾检测设计与实现_孙凯军
    grayframe_1=[round（I）];
    %----------------
%1---fr=imread（‘dde1.jpg‘）;
% 读取该图像作为背景 
fr_bw1 = rgb2gray（fr）;   
% 将背景转换为灰度图像 
fr_size = size（fr）;             
%取帧大小 
width = fr_size（2）; 
height = fr_size（1）; %获取原图像的尺寸
fg = zeros（height width）;   %前景读取的第二张图片获得
bg_bw = zeros（height width）;%背景读取的第一张图片获得
fr_bw1 = double（fr_bw1）;%256 400
% --------------------- mog variables ----------------------------------- 
C = 3;           % 组成混合高斯的单高斯数目 （一般3-5） 
D = 2.5;         % 阈值（一般2.5个标准差） 
alpha = 0.01;    % learning rate 学习率决定更新速度（between 0 and 1） （from paper 0.01） 
thresh = 0.25;   % foreground threshold 前景阈值（0.25 or 0.75 in paper） 
sd_init = 36;    % initial standard deviation 初始化标准差（for new components） var = 36 in paper 
w = zeros（heightwidthC）; %256 1200         % initialize weights array 初始化权值数组 
w（::1） = 1;
w（::2:C） = 2^-10;                  % 第一个高斯分布的初始权重为1，其余分布的权重为0
mean = zeros（heightwidthC）;%256 1200        % pixel means 像素均值 
mean（::1） = fr_bw1;                % 第一个高斯分布的初始均值为参考帧的值，其余分布的均值为0s
sd = sd_init*ones（heightwidthC）;   % pixel standard deviations 像素标准差 
matchcnt = ones（height widthC）;    % 匹配的次数，初始值都设为1
u_diff = zeros（heightwidthC）;      % difference of each pixel from mean 图片与高斯均值的差 
 % 从第二帧开始处理
    fr = read（read_obj n+2）;     % 读取n1-n2帧并转化为灰度图、双精度
  
fr_bw = rgb2gray（fr）;  	   % convert frame to grayscale 转换为灰度图像
fr_bw = double（fr_bw）;     % 将灰度图值设置为双精度
 %求导入进来的图片与各个高斯均值的差
for m=1:C  
	u_diff（::m） = abs（fr_bw - double（mean（::m）））;     
end       
% update gaussian components for each pixel 更新每个像素的背景模型 
%rank_ind = zeros（C1）;
for i=1:height
	for j=1:width              
        match = 0; %像素与高斯模型匹配的标识
        match_ind = 0;%为该像素最匹配的高斯模型的标号
        for k=1:C %与第k个高斯模型进行比对，然后更新参数                 
            if （abs（u_diff（ijk）） <= D*sd（ijk） && （match == 0））       % pixel matches component像素匹配了高斯中的第k个模型 			
                match = 1;                               
                % variable to signal component match 设置匹配标记 				
                match_ind = k;
                % update weights mean sd p  更新权值，均值，标准差和参数学习率                     
  				p = alpha/w（ijk）;           %理应使用p = alpha/gaussian才对，这里勉强      
                w（ijk） = （1-alpha）*w（ijk） + alpha;                     
				%p = alpha/w（ijk）;           %理应使用p = alpha/gaussian才对，这里勉强       
                mean（ijk） = （1-p）*mean（ijk） + p*double（fr_bw（ij））; 
                sd（ijk） =   sqrt（（1-p）*（sd（ijk）^2） + p*（（double（fr_bw（ij）） - mean（ijk）））^2）;