平均背景模型

背景建模法是一种简单、快速但是背景的多模态（比如光照强度的变化、树叶的摇动等）比较敏感的一种背景建模方法。其基本思想是计算每个像素上的平均值作为基本模型，然后将当前像素值和背景像素值进行比较，当他们之间的差值小于某个特定的阈值TH时，则该像素可以被认为是背景像素，否则被认为是前景目标像素。其中，阈值TH可以自己根据经验设定，也可以采用自适应算法进行确定。可以很容易看出，这种方法对于背景的突发变化很敏感，而且实验证明，它对于和背景颜色相近的前景目标的检测效果也不理想，仅可作为参考。

#include <iostream>
#include<opencv2/opencv.hpp>
using namespace std;

int main()
{
    cvNamedWindow("video");
    cvNamedWindow("avg");
    cvNamedWindow("sub");

    cvMoveWindow("video",0,0);
    cvMoveWindow("avg",330,0);
    cvMoveWindow("sub",660,0);

    CvCapture *capture=NULL;
    capture=cvCaptureFromFile("video.avi");

    IplImage *pFrame=NULL;
    IplImage* pFrImg = NULL;
    IplImage* pBkImg = NULL;

    CvMat* pFrameMat = NULL;
    CvMat* pFrMat = NULL;
    CvMat* pBkMat = NULL;

    int numfrm=0;
    while(pFrame=cvQueryFrame(capture))
    {
        numfrm++;
        if(numfrm==1)
        {
            pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);
            cvCvtColor(pFrame,pBkImg,CV_BGR2GRAY);

            pFrMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);
            pBkMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);
            //cvConvert函数用于图像和矩阵之间的相互转换 为什么要用cvConvert 把IplImage转为矩阵？ 因为IplImage里的数据，你只能用uchar的形式存放，
            //当你需要这些图像数据看作数据矩阵来运算时，0~255的精度显然满足不了要求； 然而CvMat里却可以存放任意通道数、任意格式的数据，
            //这个机制方便了研究中的这种需求，转化为矩阵就可以进行更自由的计算。
            cvConvert(pBkImg, pFrMat);
            cvConvert(pBkImg, pBkMat);
            cvRunningAvg(pFrMat,pBkMat,0.005,0);

            cvConvert(pBkMat, pBkImg);
            cvShowImage("avg",pBkImg);
            if(cvWaitKey(20)==27)
                    return -1;

        }
        else
        {
            cvCvtColor(pFrame,pBkImg,CV_BGR2GRAY);
            cvConvert(pBkImg, pFrMat);
            //        cvRunningAvg函数是opencv库中的一个函数。
            //        作用：用来更新移动平均。
            //        函数形式：
            //        void cvRunningAvg(const CvArr * image, CvArr* acc, double alpha, const CvArr* mask=NULL)
            //        参数说明：
            //        image:输入图像，1或3通道，8比特或32比特的float型
            //        acc:累加器，和image一样大小
            //        alpha：更新时，image所占的权重
            //        mask：操作符掩码
            //        if mask(x,y)!= 0 (1-alpha)*acc(x,y)+alpha*image(x,y) =>acc(x,y)
            //        cvRunningAvg();
            cvRunningAvg(pFrMat,pBkMat,0.005,0);

            cvConvert(pBkMat, pBkImg);
            cvShowImage("avg",pBkImg);
            if(cvWaitKey(20)==27)
                    return -1;
        }
    }

    capture=cvCaptureFromFile("video.avi");
    numfrm=0;
    while(pFrame=cvQueryFrame(capture))
    {
        numfrm++;
        if(numfrm==1)
        {
               pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);
               pFrameMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);

               cvCvtColor(pFrame,pFrImg,CV_BGR2GRAY);
               cvConvert(pFrImg,pFrameMat);

               cvAbsDiff(pFrameMat,pBkMat,pFrMat);
               cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);
               cvShowImage("video",pFrame);
               cvvShowImage("sub",pFrImg);
        }
        else
        {
            cvCvtColor(pFrame,pFrImg,CV_BGR2GRAY);
            cvConvert(pFrImg,pFrameMat);

            cvAbsDiff(pFrameMat,pBkMat,pFrMat);
            cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);
            cvShowImage("video",pFrame);
            cvvShowImage("sub",pFrImg);
        }

        if(cvWaitKey(20)==27)
            break;
    }


    cvReleaseImage(&pFrame);
    cvReleaseImage(&pFrImg);
    cvReleaseImage(&pBkImg);
    cvReleaseMat(&pFrameMat);
    cvReleaseMat(&pFrMat);
    cvReleaseMat(&pBkMat);
    cvReleaseCapture(&capture);
    cvDestroyWindow("video");
    cvDestroyWindow("avg");
    cvDestroyWindow("sub");
    return 0;
}

 程序运行结果：