opencv2中的背景/前景分离（类BackgroundSubtractor）

最新推荐文章于 2024-08-16 20:20:08 发布

阳光下的Smiles

最新推荐文章于 2024-08-16 20:20:08 发布

阅读量6.1k

点赞数

分类专栏：图像处理（opencv）

本文链接：https://blog.csdn.net/liyuqian199695/article/details/49148053

版权

图像处理（opencv）专栏收录该内容

81 篇文章 9 订阅

订阅专栏

opencv2中的背景/前景分离（类BackgroundSubtractor）

class CV_EXPORTS_W BackgroundSubtractor:public Algorithm

class BackgroundSubtractorMOG : public BackgroundSubtractor

class BackgroundSubtractorMOG2 : public BackgroundSubtractor¶

在智能视频分析中，混合高斯建模算法（GMM）是使用最为广泛的算法之一，近来项目对速度要求较高，原先研发的算法在实时性上无法满足需求，因此转向GMM。

在Opencv中，有GMM算法的三个实现版本，分别是BackgroundSubtractorMOG、BackgroundSubtractorMOG2和BackgroundSubtractorGMG，在多种实际场景测试和比较中，发现BackgroundSubtractorMOG综合性能要优于其他两种，因此采用BackgroundSubtractorMOG为原型进行改写。

#include<opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/video/background_segm.hpp> #include <iostream> using namespace std; using namespace cv; int main() {  // Open the video file      VideoCapture capture("E:/图片/bike.avi");  // check if video successfully opened  if (!capture.isOpened())  return 0;
 // current video frame  Mat frame;   // foreground binary image  Mat foreground;
 namedWindow("Extracted Foreground");  // The Mixture of Gaussian object  // used with all default parameters  BackgroundSubtractorMOG mog;
 bool stop(false);  // for all frames in video  while (!stop)   {  // read next frame if any  if (!capture.read(frame))  break;  // update the background  // and return the foreground  mog(frame,foreground,0.01);  // Complement the image  threshold(foreground,foreground,128,255,cv::THRESH_BINARY_INV);  // show foreground  imshow("Extracted Foreground",foreground);  // introduce a delay  // or press key to stop  if (waitKey(10)>=0)  stop= true;  }  waitKey(); }