解释在 opencv 中实现的阴影检测代码的工作原理？

Question

我试图理解在 opencv 中实现的阴影检测代码 link Here

密码是

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 'data and mean' 和 'mean and mean'。这里实现的论文是 Zivkovic。 “用于背景减除的改进自适应高斯混合模型”，国际模式识别会议，英国，2004 年 8 月，

逻辑是：在 RGB 颜色中 space 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。

Answer 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 大卫·哈伍德拉里·S·戴维斯存在于上述论文的参考文献中。

下面的link显示了用于实现的公式。 Click here for image

解释在 opencv 中实现的阴影检测代码的工作原理？

Explain the working of shadow detection code implemented in opencv?

c++

opencv

shadow

computer-vision