Opencv中的视频背景建模（超详细）

目录

一、视频背景模型的原理

二、实现的方法

1.帧差法

2.混合高斯模型

3、总结

---

一、视频背景模型的原理

背景建模的原理是通过对一段时间内的图像序列进行分析，提取出图像中的背景信息，并将其建模成一个背景模型。在后续的图像处理中，通过将当前图像与背景模型进行比较，可以判断出当前图像中的前景物体，并将其从背景中分离出来。

二、实现的方法

1.帧差法

由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。

优点是很简单，缺点是会引入噪音和空洞问题。

2.混合高斯模型

在进行前景检测前，先对背景进行训练，对图像中每个背景采用一个混合高斯模型进行模拟，每个背景的混合高斯的个数可以自适应。然后在测试阶段，对新来的像素进行GMM匹配，如果该像素值能够匹配其中一个高斯，则认为是背景，否则认为是前景。由于整个过程GMM模型在不断更新学习中，所以对动态背景有一定的鲁棒性。最后通过对一个有树枝摇摆的动态背景进行前景检测，取得了较好的效果。(简单来说就是背景中道路、树木、房子等都有自己的高斯分布，后面新来的比如“人、车”等即新的像素高斯分布看它与之前的背景的是否匹配，不匹配就是新的。)

详细代码见opencv视频背景建模代码实现

3、总结

总的来说，背景建模是一种有效的运动目标检测和识别技术，在视频监控、智能交通、人机交互等领域得到了广泛应用。随着计算机视觉技术的不断发展，背景建模技术也将不断得到改进和完善。