解释opencv中实现的阴影检测代码的工作原理？答案

【问题标题】：Explain the working of shadow detection code implemented in opencv?解释opencv中实现的阴影检测代码的工作原理？
【发布时间】：2015-03-18 20:22:42
【问题描述】：

我正在尝试了解在 opencv 中实现的用于阴影检测的代码，其链接为 Here

代码是

detectShadowGMM(const float* data, int nchannels, int nmodes,
                const GMM* gmm, const float* mean,
                float Tb, float TB, float tau)
{
    float tWeight = 0;

    // check all the components  marked as background:
    for( int mode = 0; mode < nmodes; mode++, mean += nchannels )
    {
        GMM g = gmm[mode];

        float numerator = 0.0f;
        float denominator = 0.0f;
        for( int c = 0; c < nchannels; c++ )
        {
            numerator   += data[c] * mean[c];
            denominator += mean[c] * mean[c];
        }

        // no division by zero allowed
        if( denominator == 0 )
            return false;

        // if tau < a < 1 then also check the color distortion
        if( numerator <= denominator && numerator >= tau*denominator )
        {
            float a = numerator / denominator;
            float dist2a = 0.0f;

            for( int c = 0; c < nchannels; c++ )
            {
                float dD= a*mean[c] - data[c];
                dist2a += dD*dD;
            }

            if (dist2a < Tb*g.variance*a*a)
                return true;
        };

        tWeight += g.weight;
        if( tWeight > TB )
            return false;
    };
    return false;
}

我假设的 nchannels 是每个像素的 rgb 通道。我不确定 dist2a、分子和分母是什么。前景和背景可能是，但为什么我们要乘以“数据和平均值”和“平均值和平均值”。这里实现的论文是 Zivkovic。 “改进的背景减法自适应高斯混合模型”，国际会议模式识别，英国，2004 年 8 月，

逻辑是：在RGB色彩空间中，E代表背景，I代表每个像素i的前景。 E 和 I 之间的强度差异是通过最小化 (a) = (Ii-aEi)^2 给出的“a”来计算的色差由 CDi = |Ii-aEi| 给出如果值在阈值内，则像素被分类为阴影。 This image will better explain it

请帮我用代码映射逻辑。

【问题讨论】：

标签： c++ opencv computer-vision shadow

【解决方案1】：

论文中解释了实现一种实时鲁棒背景减除和阴影检测的统计方法经过 Thanarat Horprasert David Harwood Larry S. Davis 这在上述论文的参考文献中有所体现。

下面的链接显示了用于实现的公式。 Click here for image

【讨论】：