video - OpenCV:如何对GMM计算的概率进行分类

Question

我在opencv文档中的示例代码的帮助下使用opencv EM算法获取GMM模型，如下所示:

cv::Mat capturedFrame
const int N = 5; 
int nsamples = 100;
cv::Mat samples ( nsamples, 2, CV_32FC1 );
samples = samples.reshape ( 2, 0 );
cv::Mat sample ( 1, 2, CV_32FC1 );
CvEM em_model;
CvEMParams params;

for ( i = 0; i < N; i++ )
{           
//from the training samples
cv::Mat samples_part = samples.rowRange ( i*nsamples/N, (i+1)*nsamples/N);
cv::Scalar mean (((i%N)+1)*img.rows/(N1+1),((i/N1)+1)*img.rows/(N1+1));
cv::Scalar sigma (30,30);
cv::randn(samples_part,mean,sigma);                     

}
samples = samples.reshape ( 1, 0 );
//initialize model parameters
params.covs         = NULL;
params.means        = NULL;
params.weights      = NULL;
params.probs        = NULL;
params.nclusters    = N;
params.cov_mat_type = CvEM::COV_MAT_SPHERICAL;
params.start_step   = CvEM::START_AUTO_STEP;
params.term_crit.max_iter = 300;
params.term_crit.epsilon  = 0.1;
params.term_crit.type   = CV_TERMCRIT_ITER|CV_TERMCRIT_EPS;     
//cluster the data
em_model.train ( samples, Mat(), params, &labels );

作为刚接触GMM和openCV的人，现在我有一些问题:

首先，执行完上述代码后，我可以得到如下问题:

cv::Mat probs = em_model.getProbs();

然后，如何获得具有最多和最少元素的模型，即最大和最小模型？

其次，，这里的样本数据仅为100，如opencv的示例代码中所示，但我正在读取尺寸为600x800的帧，并且我想对其中的所有这些像素进行采样，即480000。但是大约需要10个像素这100个样本的毫秒数，这意味着如果我设置以下参数，它将太慢:

int nsamples = 480000;

我在这里正确吗？

Answer 1

如果我的问题正确，您所说的“最大”和“最小”模型是指混合物中每个高斯的权重。您可以使用 EM::getWeights 获得与高斯相关的权重。

关于第二个问题，如果您使用480000个样本而不是100个样本训练模型，是的，肯定会更长。 “太慢”取决于您的要求。但是EM是分类模型，因此通常要做的是必须使用足够数量的样本来训练模型。这是一个漫长的过程，但通常是“离线”完成的。然后，您可以使用模型“预测”新样本，即获取与新输入样本相关的概率。调用getProbs()函数时，您将获得与训练样本相关的概率。如果要获取未知样本(通常是视频帧中的像素)的概率，请调用函数 predict 。