目录

1.算法仿真效果

2.MATLAB核心程序

3.算法涉及理论知识概要

4.完整MATLAB

1.算法仿真效果

matlab2013b仿真结果如下：

混合高斯模型背景提取:

        利用混合高斯模型处理这段视频，黑车已经运动离开画面左下角时，左下角仍然有黑车，这种现象我们称为“鬼影”。其产生的原因是由于混合高斯模型是对图像每个像素建立模型，所以算法的更新速度跟不上物体的变化，产生了滞留情况，这就是“鬼影”

        如图所示，（a）中原始图像左下角的黑车静止，所以背景更新图像中左下角也有一个黑车；（b）中原始图像里的黑车早已运动，离开了左下角，但背景更新图像的左下角还有黑车，这就是“鬼影”；（c）也是，原始图像里黑车已经驶出画面，但背景更新图像的左下角还有黑车，这就是鬼影。

 混合高斯模型和帧间差分相融合的自适应视频背景提取:

 通过对比可以看到，通过改进方案，可以得到较为清晰的视频背景。

       “混合高斯模型与帧差法相结合”的这种算法处理视频后，抽取其中三帧，其中（a）是原始图像中黑车静止在画面的左下角；（b）是原始图像中黑车不在左下角背景更新图像左下角红框里的“黑车鬼影”没有了原始图像中黑车已经驶出画面时，那么对应的背景更新图像左下角的“黑车鬼影”必须消失，这样才达到了改进的效果。

2.MATLAB核心程序

...............................................................................
disp('正在读取视频...');
FileName_AVI = 'Vedio\test.avi'; 
[Obj,frameNum_Original]     = get_AVI(FileName_AVI);
[pixel_original,pixel_gray] = vedio_op(Obj,frameNum_Original);
clear Obj;
for i = 1:frameNum_Original
    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...');
for i = 1:RR/CK
    i
    for j = 1:CC/CK 
        [image_sequence2,background_Update2,Images02,Images22] = func_Mix_Gauss_Model_diff(TT,pixel_original2(CK*(i-1)+1:CK*i,CK*(j-1)+1:CK*j,:,:),frameNum_Original,CK,CK,K,Alpha,Rho,Deviation_sq,Variance,Props,Back_Thresh,Comp_Thresh,SHADOWS);   
        image_sequence(CK*(i-1)+1:CK*i,CK*(j-1)+1:CK*j,:,:)    = image_sequence2;
        background_Update(CK*(i-1)+1:CK*i,CK*(j-1)+1:CK*j,:,:) = background_Update2;
        Images0(CK*(i-1)+1:CK*i,CK*(j-1)+1:CK*j,:)             = Images02;
        Images2(CK*(i-1)+1:CK*i,CK*(j-1)+1:CK*j,:)             = Images22;    
    end
end
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(Images2(:,:,tt));
    title('运动目标检测去阴影');
    pause(0.001);
end
disp('显示效果完毕...');
10_015_m

3.算法涉及理论知识概要

　    在Stauffer等人提出的自适应混合高斯背景模型基础上,为每个像素构建混合高斯背景模型,通过融入帧间差分把每帧中的图像区分为背景区域、背景显露区域和运动物体区域。相对于背景区域,背景显露区中的像素点将以大的更新率更新背景模型,使得长时间停滞物体由背景变成运动前景时,被遮挡的背景显露区被快速恢复。与Stauffer等人提出的方法不同的是,物体运动区不再构建新的高斯分布加入到混合高斯分布模型中,减弱了慢速运动物体对背景的影响。实验结果表明,在有诸多不确定性因素的序列视频中构建的背景有较好的自适应性,能迅速响应实际场景的变化。

       混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率;为提高在繁忙的场景下,大而慢的运动目标的检测效果,引入权值均值的概念,建立背景图像并实时更新,然后结合权值、权值均值和背景图像对像素点进行前景和背景的分类。具体更新公式如下：

4.完整MATLAB

V