车流检测之halcon背景评估法算法实现

* xing_simple.hdev: Traffic monitoring (by Kalman filtering)

*

dev_update_off ()

dev_close_window ()

read_image (Image, 'xing/init')

get_image_size (Image, Width, Height)

dev_open_window (0, 0, Width, Height, 'black', WindowID)

set_display_font (WindowID, 14, 'mono', 'true', 'false')

read_region (XingRegion, 'xing/xing')

dev_set_draw ('margin')

dev_set_colored (12)

dev_set_line_width (3)

dev_display (Image)

disp_continue_message (WindowID, 'black', 'true')

stop ()

create_bg_esti (Image, 0.7, 0.7, 'fixed', 0.001, 0.03, 'on', 8.0, 10, 3.25, 15, BgEstiHandle)

为背景评估创建和初始化一个数据集

参数2和参数3是Kalman系统矩阵的参数。系统矩阵描述了基于卡尔曼滤波理论的灰度值变化系统。背景估计器为每个像素实现不同的系统。

参数4GainMode是否应该使用固定的卡尔曼滤波增益进行估计,或者增益是否应该根据估计和实际值之间的差别自适应。如果GainMode被设置为“固定”,那么参数5GAI1被用作预测前景的像素的卡尔曼增益,并且参数6GAI2作为预测为背景的像素的增益。GAIN1应该小于GAAI2,因为前景的适应应该比背景的适应慢。GaAI1和GaAI2均小于1。

如果GainMode被设置为“帧”,则计算前景和背景估计的表,其中包含所有256种可能灰度值变化的卡尔曼增益。GAAI1和GAAI2表示适应估计值与实际值之间的差异所需的帧数。因此,随着固定时间(即帧数),所需的卡尔曼增益随着灰度值差异而增长。因此GAAI1应该大于GAAI2。如果背景估计器用于生成假定在观察区域中总是存在移动对象的“空”场景,则针对不同灰度值差异的不同增益是有用的。在这种情况下,前景适配器(GAAI1)的适应时间不能太大。GAIN1和GAI2应大于1。

参数7Adapt Mode表示应用于估计值与实际值之间的灰度值差的前景/背景决策阈值是固定的还是根据背景像素的灰度偏差自适应的。

如果AdaptMode设置为“off”,则参数MimDIFF表示固定阈值。在这种情况下,参数STATNUM、RealCeNEC和TIMEC是没有意义的。

如果AdaptMode被设置为“on”,则MinDiff被解释为基本阈值。对于每个像素,根据像素值随时间的统计评价,将偏移添加到该阈值。STATNUM保存用于计算灰度值方差(FIR滤波器)的数据集(过去帧)的数目。置信区间用于确定置信区间。

for i := 0 to 587 by 1

    read_image (ActualImage, 'xing/xing'+(i$'03'))

    run_bg_esti (ActualImage, ForegroundRegion, BgEstiHandle)

    评估背景并返回前景区域

    connection (ForegroundRegion, ConnectedRegions)

    intersection (ConnectedRegions, XingRegion, RegionIntersection)

    select_shape (RegionIntersection, SelectedRegions, 'area', 'and', 20, 99999)

    shape_trans (SelectedRegions, RegionTrans, 'rectangle1')

    dev_display (ActualImage)

    dev_display (RegionTrans)

endfor

give_bg_esti (BackgroundImage, BgEstiHandle)

返回评估背景图像

dev_display (BackgroundImage)

close_bg_esti (BgEstiHandle)

清空背景评估数据集

dev_set_draw ('fill')

dev_update_on ()

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,529评论 5 475
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,015评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,409评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,385评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,387评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,466评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,880评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,528评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,727评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,528评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,602评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,302评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,873评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,890评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,132评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,777评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,310评论 2 342

推荐阅读更多精彩内容