混合高斯背景减除算法实现背景建模

  本代码将实现视频中的背景和前景分离，并定位行人。

1.实现效果

以下为处理后的视频截图

2.定义卷积核

import cv2

cap = cv2.VideoCapture('test.avi')
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3,3))# kernel: [[0 1 0]，[1 1 1], [0 1 0]]
# 定义一个3*3的十字形卷积核，以便后续去噪

3.创建混合高斯模型，用于背景建模

fgbg = cv2.createBackgroundSubtractorMOG2(varThreshold = 30, detectShadows=True)

varThreshold=30：方差阈值，用于判断当前像素是前景还是背景。 默认值为16，用于控制阈值化过程，指定了像素在被分类为前景或背景之前必须超过的方差阈值。像素值的变化如果小于这个阈值，则认为该像素属于背景；如果大于这个阈值，则认为该像素可能属于前景。值越大，灵敏度越低，即较小的变化不会被视为前景。

detectShadows：是否检测影子。默认值为 False (不检测影子)。作用为确定是否将阴影视为前景目标的一部分。设置为True会增加程序的时间复杂度，因为需要额外处理阴影的检测和标记。

此外还有此处没有用到的参数history，用于训练背景的帧数。默认值为500帧。用于指定背景模型中需要考虑的过去帧的数量。较大的历史值将产生较长的动态背景模型，从而更好地适应背景中的变化，但也可能增加计算成本。

4.提取前景

while(True):
    ret,frame = cap.read()  
# ret:True 表示正常读取到图像，frame: 从视颊中获取当前一帧图片
    cv2.imshow('frame', frame)

    fgmask = fgbg.apply(frame) # 视频处理
    cv2.imshow('fgmask', fgmask)
# fgbg.apply(frame)函数会返回一个掩膜，其中前景部分被设置为255（白色），背景部分为0（黑色）。
# 使用这个掩膜来提取和分析前景物体

    fgmask_new = cv2.morphologyEx(fgmask,cv2.MORPH_OPEN,kernel)  # 开运算去噪点
    cv2.imshow('fgmask_new', fgmask_new)

5.提取轮廓

#寻找视频中的轮廓
    _, contours, h = cv2.findContours(fgmask_new, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for c in contours:
        # 计算各轮廊的周长
        perimeter = cv2.arcLength(c, True)
        if perimeter > 188:
            x, y, w, h = cv2.boundingRect(c)
            # 画出外接矩形
            fgmask_new_rect = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

6.显示结果

cv2.imshow('fgmask_new_ rect', fgmask_new_rect)
    k = cv2.waitKey(100) & 0xff
    if k == 27:
        break