实现了基于混合高斯模型的背景减除，在matlab下运行.zip

实现了基于混合高斯模型的运动目标检测,并针对经典模型对突发运动和光线突变响应速... u关键词t背景减除法;混合高斯模型:预处理;运动目标检测:阴影抑制

clear all
close all
clc
% ----------------------- 使用第一帧获取图片大小 -----------------------

addpath（‘./data‘）;
img_dir = dir（‘./data/*.bmp‘）;
fr = imread（img_dir（220）.name）;           % 读第一幅图片
fr_bw = rgb2gray（fr）;            % 灰度变换
[height width] = size（fr_bw）; 
fg = zeros（height width）;
bg_bw = zeros（height width）;

% ----------------------- 变量初始化 -----------------------------------

C = 4;                       % 组成混合高斯模型的单高斯数目
M = 4;                       % 组成背景的数目
D = 2.5;                     % 阀值（一般为2.5个标准差）
alpha = 0.005;               % 学习速率（一般为0到1）
thresh = 0.75;               % 前景阀值（0.25到0.47）
sd_init = 6;                 % 初始化标准差
update_rate = alpha*C;       % 参数学习速率
rank = zeros（1C）;           % 优先权
w = zeros（heightwidthC）;   % 初始化权值数组，预先分配内存
mean = zeros（heightwidthC）;     % 像素均值，预先分配内存
pixel_sd = zeros（heightwidthC）; % 像素标准差，先分配内存
u_diff = zeros（heightwidthC）;    % 当前像素与均值的差
B = 0;                                  % 权值累加值

% -------------------------初始化均值和权值----------------------------

pixel_depth = 8;                        %  像素深度为8位
pixel_range = 2^pixel_depth - 1;         %  灰度范围
for i = 1:height
    for j = 1:width
        for k = 1:C
            mean（ijk） = pixel_range * rand（）;     %均值   
            w（ijk） = 1/C;                       
            pixel_sd（i j k） = sd_init;  %标准差                
            
        end
    end
end

%--------------------- 处理每一帧 -----------------------------------
  figure（）
%for n = 1:numel（img_dir）
for n = 220:265
    
    fr = imread（img_dir（n）.name）;       
    fr_bw = rgb2gray（fr）;        
    
    % 计算每个像素与均值差
    for m = 1:C
        u_diff（::m） = abs（double（fr_bw） - double（mean（::m）））;
    end
     
   % 对于相应条件，更新参数
    for i=1:height
        for j=1:width 
            
            weight = w（ij:）;
            match = 0;
            match_index = 0;       %设置匹配模型的位置
            
            for k = 1:C                       
                if （abs（u_diff（ijk）） <= D*pixel_sd（ijk） ）       %满足条件 
                    match = 1;                          
                    
                    % 更新均值、标准差等
                    w（ijk） = （1-alpha）*w（ijk） + alpha;
                    p = alpha/w（ijk）;                  
                    mean（ijk） = （1-p）*mean（ijk） + p*double（fr_bw（ij））;
                    pixel_sd（ijk） =sqrt（（1-p）*（pixel_sd（ijk）^2） + p*（（double（fr_bw（ij）） - mean（ijk）））^2）;
                else                                     
                    w（ijk） = （1-alpha）*w（ijk）;      
                end
            end  
            
            bg_bw（ij）=0;   %背景看做各个分量的加权平均
            for k=1:C
                bg_bw（ij） = bg_bw（ij）+ mean（ijk）*w（ijk）;
            end
            
            % 没有一个分量满足当前像素，创建一个新的分量
            if （match == 0）
                [min_w min_w_index] = min（w（ij:））;  
                mean（ijmin_w_index） 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2020-02-05 18:34  实现了基于混合高斯模型的背景减除，在matlab下运行\
     文件        5766  2015-11-09 18:23  实现了基于混合高斯模型的背景减除，在matlab下运行\run.m