opencv-python实战项目十一：背景减除法制作运动行人蒙版

一，简介

在智能视频监控、人流量统计和运动检测等领域，背景减除法是一种常用的图像处理技术。本文将带您走进OpenCV的世界，探讨背景减除法的原理及其在实际应用中的重要性。通过学习OpenCV提供的多种背景减除算法，我们将掌握如何轻松地从视频序列中提取前景对象，为后续的图像分析和处理奠定基础。

二，背景减除法介绍

背景减除法，作为一种计算机视觉技术，旨在从固定摄像头捕获的视频流中提取出活动的主体。该方法基于一个基本假设：视频背景相对静止或变化微小，而前景则是动态的。通过构建背景模型，并对比当前帧与该模型的差异，此技术能够有效地区分前景与背景。该流程涉及背景建模、前景检测和前景分割，最终生成二值图像，明确标出前景。
在众多背景减除算法中，帧差法、混合高斯模型（MOG）、改进的MOG2以及基于核密度估计的KNN方法是其中的关键。帧差法通过比较连续帧间的差异来识别前景，适合于简单场景。MOG利用多个高斯分布对背景像素进行建模，能够应对动态背景的挑战。MOG2在MOG的基础上增加了阴影检测和对光照变化的适应能力。而KNN方法则采用核密度估计来更新背景模型，对异常值表现出更强的鲁棒性。
在选择MOG2与KNN时，以下因素需考虑：

1. 场景复杂性：面对动态背景或阴影，MOG2更能妥善处理。
2. 光照条件：在光照变化显著的场景中，MOG2的适应性更佳。
3. 异常值与噪声：若场景中充斥着大量异常值和噪声，KNN的鲁棒性更胜一筹。
4. 计算资源：MOG2通常要求更高的计算资源，在资源受限的情况下，KNN可能更为实用。
5. 精确度要求：对于精确前景分割的高要求，特别是在参数优化后，KNN可能提供更优的结果。

三，算法实现：

import argparse
import cv2


def get_opencv_result(video_to_process):
    """
    使用OpenCV处理视频，进行背景减除操作。

    参数:
        video_to_process (str): 要处理的视频文件的路径。

    此函数使用OpenCV捕获视频帧，执行背景减除操作，并显示结果。
    这里使用了两种背景减除方法：K-近邻（KNN）和混合高斯模型（MOG2）。
    """
    # 创建VideoCapture对象，用于进一步的视频处理
    captured_video = cv2.VideoCapture(video_to_process)
    # 检查视频捕获状态
    if not captured_video.isOpened:
        print("无法打开: " + video_to_process)
        exit(0)

    # 实例化KNN背景减除方法
    background_subtr_method_knn = cv2.createBackgroundSubtractorKNN()
    # 实例化MOG2背景减除方法
    background_subtr_method_mog = cv2.createBackgroundSubtractorMOG2()

    while True:
        # 读取视频帧
        retval, frame = captured_video.read()

        # 检查是否成功抓取帧
        if not retval:
            break

        # 调整视频帧大小
        frame = cv2.resize(frame, (640, 360))

        # 使用KNN方法进行背景减除
        foreground_mask_knn = background_subtr_method_knn.apply(frame)
        # 获取KNN方法得到的背景图像
        background_img_knn = background_subtr_method_knn.getBackgroundImage()

        # 使用MOG2方法进行背景减除
        foreground_mask_mog2 = background_subtr_method_mog.apply(frame)
        # 获取MOG2方法得到的背景图像
        background_img_mog2 = background_subtr_method_mog.getBackgroundImage()

        # 显示当前帧，两种方法的前景掩码和背景图像
        cv2.imshow("frame", frame)
        cv2.imshow("KNN_result", foreground_mask_knn)
        cv2.imshow("MOG2_result", foreground_mask_mog2)

        keyboard = cv2.waitKey(10)
        if keyboard == 27:  # 按下ESC键退出循环
            break


if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="使用OpenCV进行背景减除")
    parser.add_argument(
        "--input_video",
        type=str,
        help="定义完整的输入视频路径",
        default="F:\\learnopencv-master\\Background-Subtraction\\space_traffic.mp4",
    )

    # 解析脚本参数
    args = parser.parse_args()

    # 启动背景减除流程
    get_opencv_result(args.input_video)

四，效果：

原图：

效果图：左侧KNN右侧MOG2