基于高斯混合模型的背景减除

混合高斯模型的背景减除法和相邻帧差法相结合进行目标检测的程序，内附视频 (The background of the gaussian mixture model reduction division and adjacent frame differential method for target detection with the program, enclosing video)

% 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（‘SampleVideo.avi‘）;

% -----------------------  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
                    
                    match = 1;                       

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       6138  2011-04-18 15:56  mixture_of_gaussians.m

     文件     638976  2005-03-14 13:59  SampleVideo.avi

----------- ---------  ---------- -----  ----

               645114                    2