使用OpenCV的不都是不盡相同。
學習率:
表示背景模型是如何快速學會0和1之間的值。負參數值使算法使用一些自動選擇的學習速率。 0意味着背景模型完全不更新,1意味着背景模型從最後一幀完全重新初始化。
比:
BackgroundSubtractorMOG2
和BackgroundSubtractorKNN
是兩種不同的實現兩種不同的背景減除算法。因此,BackgroundSubtractorKNN
算法不需要setBackgroundRatio
。沒有發現太多關於這個參數,在看到這個算法的代碼後,它似乎是一個總重量上限參數。不允許總重量超過此閾值。從C++ impelentation中查看這段代碼:
void BackgroundSubtractorMOG2Impl::getBackgroundImage(OutputArray backgroundImage) const
{
if (opencl_ON)
{
CV_OCL_RUN(opencl_ON, ocl_getBackgroundImage(backgroundImage))
opencl_ON = false;
return;
}
int nchannels = CV_MAT_CN(frameType);
CV_Assert(nchannels == 1 || nchannels == 3);
Mat meanBackground(frameSize, CV_MAKETYPE(CV_8U, nchannels), Scalar::all(0));
int firstGaussianIdx = 0;
const GMM* gmm = bgmodel.ptr<GMM>();
const float* mean = reinterpret_cast<const float*>(gmm + frameSize.width*frameSize.height*nmixtures);
std::vector<float> meanVal(nchannels, 0.f);
for(int row=0; row<meanBackground.rows; row++)
{
for(int col=0; col<meanBackground.cols; col++)
{
int nmodes = bgmodelUsedModes.at<uchar>(row, col);
float totalWeight = 0.f;
for(int gaussianIdx = firstGaussianIdx; gaussianIdx < firstGaussianIdx + nmodes; gaussianIdx++)
{
GMM gaussian = gmm[gaussianIdx];
size_t meanPosition = gaussianIdx*nchannels;
for(int chn = 0; chn < nchannels; chn++)
{
meanVal[chn] += gaussian.weight * mean[meanPosition + chn];
}
totalWeight += gaussian.weight;
if(totalWeight > backgroundRatio)
break;
}
float invWeight = 1.f/totalWeight;
switch(nchannels)
{
case 1:
meanBackground.at<uchar>(row, col) = (uchar)(meanVal[0] * invWeight);
meanVal[0] = 0.f;
break;
case 3:
Vec3f& meanVec = *reinterpret_cast<Vec3f*>(&meanVal[0]);
meanBackground.at<Vec3b>(row, col) = Vec3b(meanVec * invWeight);
meanVec = 0.f;
break;
}
firstGaussianIdx += nmixtures;
}
}
meanBackground.copyTo(backgroundImage);
}
在C++實現中,backgroundRatio用於在其下面加權。默認值爲0.8。我覺得這個默認,你會得到預期的結果
OpenCV中發現有趣的評論background_segm.hpp文件,這似乎是不太顯著和標準的做法是去與默認:
/////////////////////////
// less important parameters - things you might change but be carefull
////////////////////////
float backgroundRatio;
謝謝先生,您回覆!你是說KNN不允許改變比例嗎?而且對於MOG2,雖然我們可以改變它的值,但是最好將它作爲默認值呢?但是學習速度有些不同,我們可以將值的形式從0〜1或-1?我對嗎?如果是,那麼你的答案已經解決了這個問題。 –
如果你想學習它自動設置它-1和1從最後一幀更新背景和0不更新背景。所以,顯然這個參數是-1,1或者0 ... –
之間沒有,但是參數是-1,0或者1 :) –