opencv/src/cvaux/cvbgfg_gaussmix.cpp

   1 /*M///////////////////////////////////////////////////////////////////////////////////////
   2 //
   3 //  IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.
   4 //
   5 //  By downloading, copying, installing or using the software you agree to this license.
   6 //  If you do not agree to this license, do not download, install,
   7 //  copy or use the software.
   8 //
   9 //
  10 //                        Intel License Agreement
  11 //
  12 // Copyright (C) 2000, Intel Corporation, all rights reserved.
  13 // Third party copyrights are property of their respective owners.
  14 //
  15 // Redistribution and use in source and binary forms, with or without modification,
  16 // are permitted provided that the following conditions are met:
  17 //
  18 //   * Redistribution's of source code must retain the above copyright notice,
  19 //     this list of conditions and the following disclaimer.
  20 //
  21 //   * Redistribution's in binary form must reproduce the above copyright notice,
  22 //     this list of conditions and the following disclaimer in the documentation
  23 //     and/or other materials provided with the distribution.
  24 //
  25 //   * The name of Intel Corporation may not be used to endorse or promote products
  26 //     derived from this software without specific prior written permission.
  27 //
  28 // This software is provided by the copyright holders and contributors "as is" and
  29 // any express or implied warranties, including, but not limited to, the implied
  30 // warranties of merchantability and fitness for a particular purpose are disclaimed.
  31 // In no event shall the Intel Corporation or contributors be liable for any direct,
  32 // indirect, incidental, special, exemplary, or consequential damages
  33 // (including, but not limited to, procurement of substitute goods or services;
  34 // loss of use, data, or profits; or business interruption) however caused
  35 // and on any theory of liability, whether in contract, strict liability,
  36 // or tort (including negligence or otherwise) arising in any way out of
  37 // the use of this software, even if advised of the possibility of such damage.
  38 //
  39 //M*/
  40
  41
  42 //This is based on the "An Improved Adaptive Background Mixture Model for
  43 //Real-time Tracking and Shadow Detection" by P. KaewTraKulPong and R. Bowden
  44 //The windowing method is used, but not the shadow detection. I make some of my
  45 //own modifications which make more sense. There are some errors in some of their
  46 //equations.
  47 //IplImage values of image that are useful
  48 //int  nSize;         /* sizeof(IplImage) */
  49 //int  depth;         /* pixel depth in bits: IPL_DEPTH_8U ...*/
  50 //int  nChannels;     /* OpenCV functions support 1,2,3 or 4 channels */
  51 //int  width;         /* image width in pixels */
  52 //int  height;        /* image height in pixels */
  53 //int  imageSize;     /* image data size in bytes in case of interleaved data)*/
  54 //char *imageData;    /* pointer to aligned image data */
  55 //char *imageDataOrigin; /* pointer to very origin of image -deallocation */
  56 //Values useful for gaussian integral
  57 //0.5 - 0.19146 - 0.38292
  58 //1.0 - 0.34134 - 0.68268
  59 //1.5 - 0.43319 - 0.86638
  60 //2.0 - 0.47725 - 0.95450
  61 //2.5 - 0.49379 - 0.98758
  62 //3.0 - 0.49865 - 0.99730
  63 //3.5 - 0.4997674 - 0.9995348
  64 //4.0 - 0.4999683 - 0.9999366
  65
  66 #include "_cvaux.h"
  67
  68
  69 //internal functions for gaussian background detection
  70 static void icvInsertionSortGaussians( CvGaussBGPoint* g_point, double* sort_key, CvGaussBGStatModelParams *bg_model_params );
  71
  72 /*
  73    Test whether pixel can be explained by background model;
  74    Return -1 if no match was found; otherwise the index in match[] is returned
  75
  76    icvMatchTest(...) assumes what all color channels component exhibit the same variance
  77    icvMatchTest2(...) accounts for different variances per color channel
  78  */
  79 static int icvMatchTest( double* src_pixel, int nChannels, int* match,
  80                  const CvGaussBGPoint* g_point, const CvGaussBGStatModelParams *bg_model_params );
  81 /*static int icvMatchTest2( double* src_pixel, int nChannels, int* match,
  82                  const CvGaussBGPoint* g_point, const CvGaussBGStatModelParams *bg_model_params );*/
  83
  84
  85 /*
  86    The update procedure differs between
  87       * the initialization phase (named *Partial* ) and
  88       * the normal phase (named *Full* )
  89    The initalization phase is defined as not having processed <win_size> frames yet
  90  */
  91 static void icvUpdateFullWindow( double* src_pixel, int nChannels,
  92                          int* match,
  93                          CvGaussBGPoint* g_point,
  94                          const CvGaussBGStatModelParams *bg_model_params );
  95 static void icvUpdateFullNoMatch( IplImage* gm_image, int p,
  96                           int* match,
  97                           CvGaussBGPoint* g_point,
  98                           const CvGaussBGStatModelParams *bg_model_params);
  99 static void icvUpdatePartialWindow( double* src_pixel, int nChannels, int* match,
 100                             CvGaussBGPoint* g_point, const CvGaussBGStatModelParams *bg_model_params );
 101 static void icvUpdatePartialNoMatch( double* src_pixel, int nChannels,
 102                              int* match,
 103                              CvGaussBGPoint* g_point,
 104                              const CvGaussBGStatModelParams *bg_model_params);
 105
 106
 107 static void icvGetSortKey( const int nChannels, double* sort_key, const CvGaussBGPoint* g_point,
 108                     const CvGaussBGStatModelParams *bg_model_params );
 109 static void icvBackgroundTest( const int nChannels, int n, int p, int *match, CvGaussBGModel* bg_model );
 110
 111 static void CV_CDECL icvReleaseGaussianBGModel( CvGaussBGModel** bg_model );
 112 static int CV_CDECL icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel*  bg_model );
 113
 114 //#define for if(0);else for
 115
 116 //g = 1 for first gaussian in list that matches else g = 0
 117 //Rw is the learning rate for weight and Rg is leaning rate for mean and variance
 118 //Ms is the match_sum which is the sum of matches for a particular gaussian
 119 //Ms values are incremented until the sum of Ms values in the list equals window size L
 120 //SMs is the sum of match_sums for gaussians in the list
 121 //Rw = 1/SMs note the smallest Rw gets is 1/L
 122 //Rg = g/Ms for SMs < L and Rg = g/(w*L) for SMs = L
 123 //The list is maintained in sorted order using w/sqrt(variance) as a key
 124 //If there is no match the last gaussian in the list is replaced by the new gaussian
 125 //This will result in changes to SMs which results in changes in Rw and Rg.
 126 //If a gaussian is replaced and SMs previously equaled L values of Ms are computed from w
 127 //w[n+1] = w[n] + Rw*(g - w[n])   weight
 128 //u[n+1] = u[n] + Rg*(x[n+1] - u[n]) mean value Sg is sum n values of g
 129 //v[n+1] = v[n] + Rg*((x[n+1] - u[n])*(x[n+1] - u[n])) - v[n]) variance
 130 //
 131
 132 CV_IMPL CvBGStatModel*
 133 cvCreateGaussianBGModel( IplImage* first_frame, CvGaussBGStatModelParams* parameters )
 134 {
 135     CvGaussBGModel* bg_model = 0;
 136
 137     CV_FUNCNAME( "cvCreateGaussianBGModel" );
 138
 139     __BEGIN__;
 140
 141     double var_init;
 142     CvGaussBGStatModelParams params;
 143     int i, j, k, n, m, p;
 144
 145     //init parameters
 146     if( parameters == NULL )
 147     {
 148         params.win_size = CV_BGFG_MOG_WINDOW_SIZE;
 149         params.bg_threshold = CV_BGFG_MOG_BACKGROUND_THRESHOLD;
 150         params.std_threshold = CV_BGFG_MOG_STD_THRESHOLD;
 151         params.weight_init = CV_BGFG_MOG_WEIGHT_INIT;
 152         params.variance_init = CV_BGFG_MOG_SIGMA_INIT*CV_BGFG_MOG_SIGMA_INIT;
 153         params.minArea = CV_BGFG_MOG_MINAREA;
 154         params.n_gauss = CV_BGFG_MOG_NGAUSSIANS;
 155     }
 156     else
 157     {
 158         params = *parameters;
 159     }
 160
 161     if( !CV_IS_IMAGE(first_frame) )
 162         CV_ERROR( CV_StsBadArg, "Invalid or NULL first_frame parameter" );
 163
 164     CV_CALL( bg_model = (CvGaussBGModel*)cvAlloc( sizeof(*bg_model) ));
 165     memset( bg_model, 0, sizeof(*bg_model) );
 166     bg_model->type = CV_BG_MODEL_MOG;
 167     bg_model->release = (CvReleaseBGStatModel)icvReleaseGaussianBGModel;
 168     bg_model->update = (CvUpdateBGStatModel)icvUpdateGaussianBGModel;
 169
 170     bg_model->params = params;
 171
 172     //prepare storages
 173     CV_CALL( bg_model->g_point = (CvGaussBGPoint*)cvAlloc(sizeof(CvGaussBGPoint)*
 174         ((first_frame->width*first_frame->height) + 256)));
 175
 176     CV_CALL( bg_model->background = cvCreateImage(cvSize(first_frame->width,
 177         first_frame->height), IPL_DEPTH_8U, first_frame->nChannels));
 178     CV_CALL( bg_model->foreground = cvCreateImage(cvSize(first_frame->width,
 179         first_frame->height), IPL_DEPTH_8U, 1));
 180
 181     CV_CALL( bg_model->storage = cvCreateMemStorage());
 182
 183     //initializing
 184     var_init = 2 * params.std_threshold * params.std_threshold;
 185     CV_CALL( bg_model->g_point[0].g_values =
 186         (CvGaussBGValues*)cvAlloc( sizeof(CvGaussBGValues)*params.n_gauss*
 187         (first_frame->width*first_frame->height + 128)));
 188
 189     for( i = 0, p = 0, n = 0; i < first_frame->height; i++ )
 190     {
 191         for( j = 0; j < first_frame->width; j++, n++ )
 192         {
 193             bg_model->g_point[n].g_values =
 194                 bg_model->g_point[0].g_values + n*params.n_gauss;
 195             bg_model->g_point[n].g_values[0].weight = 1;    //the first value seen has weight one
 196             bg_model->g_point[n].g_values[0].match_sum = 1;
 197             for( m = 0; m < first_frame->nChannels; m++)
 198             {
 199                 bg_model->g_point[n].g_values[0].variance[m] = var_init;
 200                 bg_model->g_point[n].g_values[0].mean[m] = (unsigned char)first_frame->imageData[p + m];
 201             }
 202             for( k = 1; k < params.n_gauss; k++)
 203             {
 204                 bg_model->g_point[n].g_values[k].weight = 0;
 205                 bg_model->g_point[n].g_values[k].match_sum = 0;
 206                 for( m = 0; m < first_frame->nChannels; m++){
 207                     bg_model->g_point[n].g_values[k].variance[m] = var_init;
 208                     bg_model->g_point[n].g_values[k].mean[m] = 0;
 209                 }
 210             }
 211             p += first_frame->nChannels;
 212         }
 213     }
 214
 215     bg_model->countFrames = 0;
 216
 217     __END__;
 218
 219     if( cvGetErrStatus() < 0 )
 220     {
 221         if( bg_model && bg_model->release )
 222             bg_model->release( (CvBGStatModel**)&bg_model );
 223         else
 224             cvFree( &bg_model );
 225     }
 226
 227     return (CvBGStatModel*)bg_model;
 228 }
 229
 230
 231 static void CV_CDECL
 232 icvReleaseGaussianBGModel( CvGaussBGModel** _bg_model )
 233 {
 234     CV_FUNCNAME( "icvReleaseGaussianBGModel" );
 235
 236     __BEGIN__;
 237
 238     if( !_bg_model )
 239         CV_ERROR( CV_StsNullPtr, "" );
 240
 241     if( *_bg_model )
 242     {
 243         CvGaussBGModel* bg_model = *_bg_model;
 244         if( bg_model->g_point )
 245         {
 246             cvFree( &bg_model->g_point[0].g_values );
 247             cvFree( &bg_model->g_point );
 248         }
 249
 250         cvReleaseImage( &bg_model->background );
 251         cvReleaseImage( &bg_model->foreground );
 252         cvReleaseMemStorage(&bg_model->storage);
 253         memset( bg_model, 0, sizeof(*bg_model) );
 254         cvFree( _bg_model );
 255     }
 256
 257     __END__;
 258 }
 259
 260
 261 static int CV_CDECL
 262 icvUpdateGaussianBGModel( IplImage* curr_frame, CvGaussBGModel*  bg_model )
 263 {
 264     int i, j, k;
 265     int region_count = 0;
 266     CvSeq *first_seq = NULL, *prev_seq = NULL, *seq = NULL;
 267
 268     bg_model->countFrames++;
 269
 270     for( i = 0; i < curr_frame->height; i++ )
 271     {
 272         for( j = 0; j < curr_frame->width; j++ )
 273         {
 274             int match[CV_BGFG_MOG_MAX_NGAUSSIANS];
 275             double sort_key[CV_BGFG_MOG_MAX_NGAUSSIANS];
 276             const int nChannels = curr_frame->nChannels;
 277             const int n = i*curr_frame->width+j;
 278             const int p = n*curr_frame->nChannels;
 279
 280             // A few short cuts
 281             CvGaussBGPoint* g_point = &bg_model->g_point[n];
 282             const CvGaussBGStatModelParams bg_model_params = bg_model->params;
 283             double pixel[4];
 284             int no_match;
 285
 286             for( k = 0; k < nChannels; k++ )
 287                 pixel[k] = (uchar)curr_frame->imageData[p+k];
 288
 289             no_match = icvMatchTest( pixel, nChannels, match, g_point, &bg_model_params );
 290             if( bg_model->countFrames == bg_model->params.win_size )
 291             {
 292                 icvUpdateFullWindow( pixel, nChannels, match, g_point, &bg_model->params );
 293                 if( no_match == -1)
 294                     icvUpdateFullNoMatch( curr_frame, p, match, g_point, &bg_model_params );
 295             }
 296             else
 297             {
 298                 icvUpdatePartialWindow( pixel, nChannels, match, g_point, &bg_model_params );
 299                 if( no_match == -1)
 300                     icvUpdatePartialNoMatch( pixel, nChannels, match, g_point, &bg_model_params );
 301             }
 302             icvGetSortKey( nChannels, sort_key, g_point, &bg_model_params );
 303             icvInsertionSortGaussians( g_point, sort_key, (CvGaussBGStatModelParams *)&bg_model_params );
 304             icvBackgroundTest( nChannels, n, p, match, bg_model );
 305         }
 306     }
 307
 308     //foreground filtering
 309
 310     //filter small regions
 311     cvClearMemStorage(bg_model->storage);
 312
 313     //cvMorphologyEx( bg_model->foreground, bg_model->foreground, 0, 0, CV_MOP_OPEN, 1 );
 314     //cvMorphologyEx( bg_model->foreground, bg_model->foreground, 0, 0, CV_MOP_CLOSE, 1 );
 315
 316     cvFindContours( bg_model->foreground, bg_model->storage, &first_seq, sizeof(CvContour), CV_RETR_LIST );
 317     for( seq = first_seq; seq; seq = seq->h_next )
 318     {
 319         CvContour* cnt = (CvContour*)seq;
 320         if( cnt->rect.width * cnt->rect.height < bg_model->params.minArea )
 321         {
 322             //delete small contour
 323             prev_seq = seq->h_prev;
 324             if( prev_seq )
 325             {
 326                 prev_seq->h_next = seq->h_next;
 327                 if( seq->h_next ) seq->h_next->h_prev = prev_seq;
 328             }
 329             else
 330             {
 331                 first_seq = seq->h_next;
 332                 if( seq->h_next ) seq->h_next->h_prev = NULL;
 333             }
 334         }
 335         else
 336         {
 337             region_count++;
 338         }
 339     }
 340     bg_model->foreground_regions = first_seq;
 341     cvZero(bg_model->foreground);
 342     cvDrawContours(bg_model->foreground, first_seq, CV_RGB(0, 0, 255), CV_RGB(0, 0, 255), 10, -1);
 343
 344     return region_count;
 345 }
 346
 347 static void icvInsertionSortGaussians( CvGaussBGPoint* g_point, double* sort_key, CvGaussBGStatModelParams *bg_model_params )
 348 {
 349     int i, j;
 350     for( i = 1; i < bg_model_params->n_gauss; i++ )
 351     {
 352         double index = sort_key[i];
 353         for( j = i; j > 0 && sort_key[j-1] < index; j-- ) //sort decending order
 354         {
 355             double temp_sort_key = sort_key[j];
 356             sort_key[j] = sort_key[j-1];
 357             sort_key[j-1] = temp_sort_key;
 358
 359             CvGaussBGValues temp_gauss_values = g_point->g_values[j];
 360             g_point->g_values[j] = g_point->g_values[j-1];
 361             g_point->g_values[j-1] = temp_gauss_values;
 362         }
 363 //        sort_key[j] = index;
 364     }
 365 }
 366
 367
 368 static int icvMatchTest( double* src_pixel, int nChannels, int* match,
 369                          const CvGaussBGPoint* g_point,
 370                          const CvGaussBGStatModelParams *bg_model_params )
 371 {
 372     int k;
 373     int matchPosition=-1;
 374     for ( k = 0; k < bg_model_params->n_gauss; k++) match[k]=0;
 375
 376     for ( k = 0; k < bg_model_params->n_gauss; k++) {
 377         double sum_d2 = 0.0;
 378         double var_threshold = 0.0;
 379         for(int m = 0; m < nChannels; m++){
 380             double d = g_point->g_values[k].mean[m]- src_pixel[m];
 381             sum_d2 += (d*d);
 382             var_threshold += g_point->g_values[k].variance[m];
 383         }  //difference < STD_LIMIT*STD_LIMIT or difference**2 < STD_LIMIT*STD_LIMIT*VAR
 384         var_threshold = bg_model_params->std_threshold*bg_model_params->std_threshold*var_threshold;
 385         if(sum_d2 < var_threshold){
 386             match[k] = 1;
 387             matchPosition = k;
 388             break;
 389         }
 390     }
 391
 392     return matchPosition;
 393 }
 394
 395 /*
 396 static int icvMatchTest2( double* src_pixel, int nChannels, int* match,
 397                           const CvGaussBGPoint* g_point,
 398                           const CvGaussBGStatModelParams *bg_model_params )
 399 {
 400     int k, m;
 401     int matchPosition=-1;
 402
 403     for( k = 0; k < bg_model_params->n_gauss; k++ )
 404         match[k] = 0;
 405
 406     for( k = 0; k < bg_model_params->n_gauss; k++ )
 407     {
 408         double sum_d2 = 0.0, var_threshold;
 409         for( m = 0; m < nChannels; m++ )
 410         {
 411             double d = g_point->g_values[k].mean[m]- src_pixel[m];
 412             sum_d2 += (d*d) / (g_point->g_values[k].variance[m] * g_point->g_values[k].variance[m]);
 413         }  //difference < STD_LIMIT*STD_LIMIT or difference**2 < STD_LIMIT*STD_LIMIT*VAR
 414
 415         var_threshold = bg_model_params->std_threshold*bg_model_params->std_threshold;
 416         if( sum_d2 < var_threshold )
 417         {
 418             match[k] = 1;
 419             matchPosition = k;
 420             break;
 421         }
 422     }
 423
 424     return matchPosition;
 425 }
 426 */
 427
 428 static void icvUpdateFullWindow( double* src_pixel, int nChannels, int* match,
 429                                  CvGaussBGPoint* g_point,
 430                                  const CvGaussBGStatModelParams *bg_model_params )
 431 {
 432     const double learning_rate_weight = (1.0/(double)bg_model_params->win_size);
 433     for(int k = 0; k < bg_model_params->n_gauss; k++){
 434         g_point->g_values[k].weight = g_point->g_values[k].weight +
 435             (learning_rate_weight*((double)match[k] -
 436             g_point->g_values[k].weight));
 437         if(match[k]){
 438             double learning_rate_gaussian = (double)match[k]/(g_point->g_values[k].weight*
 439                 (double)bg_model_params->win_size);
 440             for(int m = 0; m < nChannels; m++){
 441                 const double tmpDiff = src_pixel[m] - g_point->g_values[k].mean[m];
 442                 g_point->g_values[k].mean[m] = g_point->g_values[k].mean[m] +
 443                     (learning_rate_gaussian * tmpDiff);
 444                 g_point->g_values[k].variance[m] = g_point->g_values[k].variance[m]+
 445                     (learning_rate_gaussian*((tmpDiff*tmpDiff) - g_point->g_values[k].variance[m]));
 446             }
 447         }
 448     }
 449 }
 450
 451
 452 static void icvUpdatePartialWindow( double* src_pixel, int nChannels, int* match, CvGaussBGPoint* g_point, const CvGaussBGStatModelParams *bg_model_params )
 453 {
 454     int k, m;
 455     int window_current = 0;
 456
 457     for( k = 0; k < bg_model_params->n_gauss; k++ )
 458         window_current += g_point->g_values[k].match_sum;
 459
 460     for( k = 0; k < bg_model_params->n_gauss; k++ )
 461     {
 462         g_point->g_values[k].match_sum += match[k];
 463         double learning_rate_weight = (1.0/((double)window_current + 1.0)); //increased by one since sum
 464         g_point->g_values[k].weight = g_point->g_values[k].weight +
 465             (learning_rate_weight*((double)match[k] - g_point->g_values[k].weight));
 466
 467         if( g_point->g_values[k].match_sum > 0 && match[k] )
 468         {
 469             double learning_rate_gaussian = (double)match[k]/((double)g_point->g_values[k].match_sum);
 470             for( m = 0; m < nChannels; m++ )
 471             {
 472                 const double tmpDiff = src_pixel[m] - g_point->g_values[k].mean[m];
 473                 g_point->g_values[k].mean[m] = g_point->g_values[k].mean[m] +
 474                     (learning_rate_gaussian*tmpDiff);
 475                 g_point->g_values[k].variance[m] = g_point->g_values[k].variance[m]+
 476                     (learning_rate_gaussian*((tmpDiff*tmpDiff) - g_point->g_values[k].variance[m]));
 477             }
 478         }
 479     }
 480 }
 481
 482 static void icvUpdateFullNoMatch( IplImage* gm_image, int p, int* match,
 483                                   CvGaussBGPoint* g_point,
 484                                   const CvGaussBGStatModelParams *bg_model_params)
 485 {
 486     int k, m;
 487     double alpha;
 488     int match_sum_total = 0;
 489
 490     //new value of last one
 491     g_point->g_values[bg_model_params->n_gauss - 1].match_sum = 1;
 492
 493     //get sum of all but last value of match_sum
 494
 495     for( k = 0; k < bg_model_params->n_gauss ; k++ )
 496         match_sum_total += g_point->g_values[k].match_sum;
 497
 498     g_point->g_values[bg_model_params->n_gauss - 1].weight = 1./(double)match_sum_total;
 499     for( m = 0; m < gm_image->nChannels ; m++ )
 500     {
 501         // first pass mean is image value
 502         g_point->g_values[bg_model_params->n_gauss - 1].variance[m] = bg_model_params->variance_init;
 503         g_point->g_values[bg_model_params->n_gauss - 1].mean[m] = (unsigned char)gm_image->imageData[p + m];
 504     }
 505
 506     alpha = 1.0 - (1.0/bg_model_params->win_size);
 507     for( k = 0; k < bg_model_params->n_gauss - 1; k++ )
 508     {
 509         g_point->g_values[k].weight *= alpha;
 510         if( match[k] )
 511             g_point->g_values[k].weight += alpha;
 512     }
 513 }
 514
 515
 516 static void
 517 icvUpdatePartialNoMatch(double *pixel,
 518                         int nChannels,
 519                         int* /*match*/,
 520                         CvGaussBGPoint* g_point,
 521                         const CvGaussBGStatModelParams *bg_model_params)
 522 {
 523     int k, m;
 524     //new value of last one
 525     g_point->g_values[bg_model_params->n_gauss - 1].match_sum = 1;
 526
 527     //get sum of all but last value of match_sum
 528     int match_sum_total = 0;
 529     for(k = 0; k < bg_model_params->n_gauss ; k++)
 530         match_sum_total += g_point->g_values[k].match_sum;
 531
 532     for(m = 0; m < nChannels; m++)
 533     {
 534         //first pass mean is image value
 535         g_point->g_values[bg_model_params->n_gauss - 1].variance[m] = bg_model_params->variance_init;
 536         g_point->g_values[bg_model_params->n_gauss - 1].mean[m] = pixel[m];
 537     }
 538     for(k = 0; k < bg_model_params->n_gauss; k++)
 539     {
 540         g_point->g_values[k].weight = (double)g_point->g_values[k].match_sum /
 541             (double)match_sum_total;
 542     }
 543 }
 544
 545 static void icvGetSortKey( const int nChannels, double* sort_key, const CvGaussBGPoint* g_point,
 546                            const CvGaussBGStatModelParams *bg_model_params )
 547 {
 548     int k, m;
 549     for( k = 0; k < bg_model_params->n_gauss; k++ )
 550     {
 551         // Avoid division by zero
 552         if( g_point->g_values[k].match_sum > 0 )
 553         {
 554             // Independence assumption between components
 555             double variance_sum = 0.0;
 556             for( m = 0; m < nChannels; m++ )
 557                 variance_sum += g_point->g_values[k].variance[m];
 558
 559             sort_key[k] = g_point->g_values[k].weight/sqrt(variance_sum);
 560         }
 561         else
 562             sort_key[k]= 0.0;
 563     }
 564 }
 565
 566
 567 static void icvBackgroundTest( const int nChannels, int n, int p, int *match, CvGaussBGModel* bg_model )
 568 {
 569     int m, b;
 570     uchar pixelValue = (uchar)255; // will switch to 0 if match found
 571     double weight_sum = 0.0;
 572     CvGaussBGPoint* g_point = bg_model->g_point;
 573
 574     for( m = 0; m < nChannels; m++)
 575         bg_model->background->imageData[p+m]   = (unsigned char)(g_point[n].g_values[0].mean[m]+0.5);
 576
 577     for( b = 0; b < bg_model->params.n_gauss; b++)
 578     {
 579         weight_sum += g_point[n].g_values[b].weight;
 580         if( match[b] )
 581             pixelValue = 0;
 582         if( weight_sum > bg_model->params.bg_threshold )
 583             break;
 584     }
 585
 586     bg_model->foreground->imageData[p/nChannels] = pixelValue;
 587 }
 588
 589 /* End of file. */