主要内容
使用高斯混合模型检测汽车
此示例显示如何使用基于高斯混合模型（GMMS）的前景探测器检测和计数视频序列中的汽车。
介绍
检测和计数汽车可用于分析交通模式。在执行更复杂的任务之前，检测也是第一步，例如通过其类型跟踪或分类车辆的跟踪或分类。
此示例显示如何使用前景探测器和BLOB分析来检测和计数视频序列中的汽车。它假设相机是静止的。该示例侧重于检测对象。要了解有关跟踪对象的更多信息，请参阅标题的示例基于运动的多目标跟踪。
步骤1 - 导入视频和初始化前景探测器
而不是立即处理整个视频，该示例通过获得从背景中分段的初始视频帧开始，而是通过其中分段。这有助于逐步介绍用于处理视频的步骤。
前景检测器需要一定数量的视频帧以初始化高斯混合模型。此示例使用前50帧初始化混合模型中的三种高斯模式。
forearddetector = Vision.ForeCloundDetector（'numgaussians'，3，......'numtringframes'，50）;VideoReader = Videoreader（'VisionTraffic.avi'）;为了i = 1：150帧= ReadFrame（Videoreader）;％读取下一个视频帧前景=步骤（前景detector，帧）;结尾
训练后，探测器开始输出更可靠的分割结果。下面的两个图示出了由检测器计算的视频帧和前景掩码之一。
数字;imshow（框架）;标题（'视频框架'）;
数字;imshow（前景）;标题（'前景'）;
第2步 - 检测初始视频帧中的汽车
前景分割过程并不完美，并且通常包括不良噪声。该示例使用形态开口来消除噪音并填补检测到的物体中的间隙。
se = strel（'正方形'，3）;filteredforeground = imopen（前景，se）;数字;imshow（滤过门）;标题（'干净的前景'）;
接下来，通过使用Vision.Blobanalysis对象查找与移动汽车对应的每个连接组件的边界框。该对象进一步通过拒绝包含少于150像素的BLOB来筛选检测到的前景。
Blobanalysis = Vision.Blobanalysis（'bandingboxoutputport'， 真的，......'AreaOutputport'， 错误的，'centroidoutputport'， 错误的，......'MiniplingBlobarea'，150）;bbox =步骤（Blobanalysis，filteredforeground）;
要突出显示检测到的汽车，我们将在它们周围绘制绿色框。
结果= insertshape（帧，'矩形'，bbox，'颜色'那'绿色'）;
边界框的数量对应于视频帧中的汽车数量。显示已加工视频帧的左上角的找到的汽车数量。
numcars = size（bbox，1）;结果= InsertText（结果，[10 10]，numcars，'boxopacity'，1，......'字体大小'，14）;数字;imshow（结果）;标题（'检测到的汽车'）;
第3步 - 处理其余的视频帧
在最后一步中，我们处理剩余的视频帧。
VideoPlayer = Vision.videoplayer（'名称'那'检测到的汽车'）;Videoplayer.Position（3：4）= [650,400];％窗口大小：[宽度，高度]se = strel（'正方形'，3）;噪声消除的百分比形态过滤器尽管Hasfame（Videoreader）Frame = ReadFrame（Videoreader）;％读取下一个视频帧％检测当前视频帧中的前景前景=步骤（前景detector，帧）;％使用形态开口去除前景中的噪音filteredforeground = imopen（前景，se）;％检测具有指定最小区域的连接组件，％计算它们的边界框bbox =步骤（Blobanalysis，filteredforeground）;％绘制检测到的汽车周围的边界盒结果= insertshape（帧，'矩形'，bbox，'颜色'那'绿色'）;％显示视频帧中发现的汽车数量numcars = size（bbox，1）;结果= InsertText（结果，[10 10]，numcars，'boxopacity'，1，......'字体大小'，14）;步骤（导镀器，结果）;％显示结果结尾
输出视频在汽车周围显示边界框。它还显示视频左上角的汽车数量。
您还可以从以下列表中选择一个网站：
