Background Segment CNT
CNT简介
CNT算法是OpenCV Contrib 模块中的背景减除(Background segment)算法之一。相较于OpenCV提供的其他背景减 除算法，该算法具有运行速度快，检测精度高等优点。因此背景减除系列文章第一篇就先讲一下这个算法。因为CNT并没有任何参考论文，故而只能根据OpenCV的源码来进行分析。后面首先介绍OpenCV中该算法如何使用，然后再根据源码对算法进行一个详细的解释。
在OpenCV中使用CNT
- 创建一个CNT的实例
cv::Ptr<cv::bgsegm::BackgroundSubtractor[ALGO_NAME]> bs = cv::bgsegm::createBackgroundSubtractorCNT([params]);- 调用apply()函数进行背景减除
bs->apply(current_frame, fgmask[, learning_rate]);
可以看到，在OpenCV中使用CNT是非常简单的。只需简单调用两个函数即可。背景减除得到的结果通过fgmask参数返回，其中前景点背置为255，背景点被置为0
CNT源码解析
OpenCV的CNT算法有两个版本，一个版本会使用历史记录(
useHistory = true)，另一个版本则只考虑最近N帧的数据。
useHistory 参数为 false
void operator()(Vec4i &vec, uchar currColor, uchar prevColor, uchar &fgMaskPixelRef)
{
int &stabilityRef = vec[0];
int &bgImgRef = vec[3];
// 'threshold' 为类属性，由程序内部默认设置为 30
if (abs(currColor - prevColor) < threshold)
{
++stabilityRef;
// 'minPixelStability' 为类属性，在生成CNT的实例时由同名参数指定，默认值为 15
if (stabilityRef == minPixelStability)
{ // bg
--stabilityRef;
bgImgRef = prevColor;
}
else
{ // fg
fgMaskPixelRef = 255;
}
}
else
{ // fg
stabilityRef = 0;
fgMaskPixelRef = 255;
}
}
上面这个函数就是
useHistory参数为false时的核心函数。代码很简单，就是通过简单的阈值操作判断Pixel的稳定性(stability)。如果在连续的minPixelStability帧内都保持稳定，则认为该Pixel是稳定的，否则该Pixel不稳定。在程序中，稳定的点，即为背景点。
2.useHistory 参数为 true
void operator()(Vec4i &vec, uchar currColor, uchar prevColor, uchar &fgMaskPixelRef)
{
int &stabilityRef = vec[0];
int &historyColorRef = vec[1];
int &histStabilityRef = vec[2];
int &bgImgRef = vec[3];
// 'thresholdHistory' 参数为类属性，由程序内部设置为 30
if (abs(currColor - historyColorRef) < thresholdHistory)
{ // No change compared to history - this is maybe a background
stabilityRef = 0;
incrStability(histStabilityRef);
/*********************************************************
inline void incrStability(int &histStabilityRef)
{
// 'maxPixelStability' 参数在创建CNT实例时由程序员制定。默认为 900
if (histStabilityRef < maxPixelStability)
{
++histStabilityRef;
}
}
********************************************************/
if (histStabilityRef <= minPixelStability)
{
fgMaskPixelRef = 255;
}
else
{
bgImgRef = historyColorRef;
}
}
// 'threshold' 参数同上
else if (abs(currColor - prevColor) < threshold)
{ // No change compared to prev - this is maybe a background
incrStability(stabilityRef);
/*********************************************************
inline void decrStability(int &histStabilityRef)
{
if (histStabilityRef > 0)
{
--histStabilityRef;
}
}
********************************************************/
if (stabilityRef > minPixelStability)
{ // Stable color - this is maybe a background
if (stabilityRef >= histStabilityRef)
{
historyColorRef = currColor;
histStabilityRef = stabilityRef;
bgImgRef = historyColorRef;
}
else
{ // Stable but different from stable history - this is a foreground
decrStability(histStabilityRef);
fgMaskPixelRef = 255;
}
}
else
{ // This is FG.
fgMaskPixelRef = 255;
}
}
else
{ // Color changed - this is defently a foreground
stabilityRef = 0;
decrStability(histStabilityRef);
fgMaskPixelRef = 255;
}
}
上面这个函数就是
useHistory参数为true时的核心函数。代码也很简单。程序在运行过程中会记录从程序运行到当前时刻为止，稳定时间最长的Pixel的灰度值historyColorRef和它的稳定时间histStabilityRef。在新的一帧来到时，依然是通过一系列的阈值比较操作来判断Pixel的稳定性，从而判断其是否为背景点。
3.区别
通过源码，我们不难发现， 两者区别在于是useHistory参数。useHistory参数为true时，程序保存历史记录，并将之作为第一判据，反之程序不会保存历史记录，因而只是简单的将Pixel最近一段时间的稳定性作为判据。不使用历史记录的好处在于运动物体经过场景(Scene)时，不仅物体当前时刻的位置会被检测标记为前景点，最近一段时间运动经过的地方也会背标记为前景点，换言之，算法可以获得物体最近一段时间的运动轨迹。反之，使用历史记录，可以获得更好的检测效果，检测到的运动区域更准确。
运行效果截图
左边为
useHistory = true， 右边为fasle
总结
从CNT的源码可以看到，每当新的一帧输入时，只需要遍历一遍图像，进行一些简单的加减操作即可完成对像素点的分类。因此CNT算法相较于后面会讲到的GMM系列和LSBP背景减除算法，在运行速度和内存占用上具有得天独厚的优势。另外，算法的检测精度也很高。在对算法速度要求较高时，可以首先考虑使用该算法。
