基于高斯混合模型的视频背景提取和人员跟踪算法matlab仿真

news2024/11/18 9:50:09

1.算法运行效果图预览

2.算法运行软件版本

3.部分核心程序

4.算法理论概述

5.算法完整程序工程

1.算法运行效果图预览

2.算法运行软件版本

MATLAB2013B

3.部分核心程序

..............................................................................
%我们这里设计了一个算法，就是能够读取压缩后的AVI视频，从而使仿真速度更快
disp('正在读取视频...');
FileName_AVI = 'Vedio\04.avi'; 
[pixel_gray,pixel_original,frameNum_Original] = func_vedio_process(FileName_AVI);

for i = 1:frameNum_Original
    i
    pixel_gray2(:,:,i)       = imresize(pixel_gray(:,:,i),[RR,CC]);
    pixel_original2(:,:,:,i) = imresize(pixel_original(:,:,:,i),[RR,CC]);
end
clear pixel_gray pixel_original;
disp('读取视频完毕...');


disp('正在进行高斯混合模型的仿真...');
[image_sequence,background_Update,Images0,Images2,res3] = func_Mix_Gauss_Model(pixel_original2,frameNum_Original,RR,CC,K,Alpha,Rho,Deviation_sq,Variance,Props,Back_Thresh,Comp_Thresh,SHADOWS);
disp('高斯混合模型的仿真完毕...');


disp('正在显示效果...');
figure;
for tt = 1:frameNum_Original
    tt
    subplot(221)
    imshow(image_sequence(:,:,:,tt));
    title('原始图像');
    subplot(222)
    imshow(uint8(background_Update(:,:,:,tt)));
    title('背景图像更新');
    subplot(223)
    imshow(Images0(:,:,tt));
    title('运动目标检测');
    subplot(224)
    imshow(res3(:,:,:,tt));
    title('运动目标检测-最后处理结果');
    pause(0.001);
    
end
disp('显示效果完毕...');


save Result.mat image_sequence background_Update Images0 Images2
009_017m

4.算法理论概述

基于高斯混合模型(Gaussian Mixture Model, GMM)的视频背景提取和人员跟踪算法是一种广泛应用的计算机视觉方法，主要用于分离视频序列中的静态背景和动态前景（比如人物运动）。

高斯混合模型是一个概率密度函数的线性组合，它可以近似表示复杂的背景分布情况。在视频背景建模中，每一帧图像的像素值被认为是来自K个不同高斯分布的随机变量。每个高斯分布代表一种潜在的背景状态。设第t帧图像的像素值为I_t(i,j)，i和j分别是像素位置索引，那么I_t(i,j)的概率分布可以用K个高斯分布的加权和来表示：