C++ OpenCV视频操作之背景消除建模（BSM）-2

前言

上一篇《C++ OpenCV视频操作之背景消除建模（BSM）-1》中我们学习了背景消除建模（BSM）中的采用图像分割模式的高斯混合模型，介绍中我们还说过BS算法中除了图像分割还有机器学习的方式，本篇文章我们就接着上节的内容来学习一下机器学习算法的背景消除建模。

相关API及核心代码

机器学习API和高斯混合模型建模很像，主要是的API为BackgroundSubtractorKNN，其核心代码为：

cv::Mat bsmKNN;

cv::Ptr<cv::BackgroundSubtractor> pKNN = cv::createBackgroundSubtractorKNN();

pKNN->apply(frame, bsmKNN);

代码演示

我们直接借用上次的代码，在上面的基础上直接看到两个背景消除建模的不同。下面我直接把所有的代码贴图出来。

从上面的代码中我们看到，用机器学习KNN的方式和高斯混合模型的方式基本差不多，就是在创建的时候用的不同的方法。我们直接看一下运行的视频，看看有没有什么不同之处。

看完上面的视频不知道大家有没有看出有什么不同呢？

其实后面的都差不大多，只有在刚开始播放的前几帧时我们能看出来问题了，我把前几帧截一下图。

上面两张图是视频的第4秒和视频的第5秒，从第4秒（第一张图）的图我们可以看出左边红框的KNN是我们的机器学习背景建模，右边红框是原来高斯混合模型的背景消除建模，KNN由于是机器学习，所以前几帧的时候需要自己根据图像在适应训练，找到符合的背景后，然后就会自动消除背景，所以视频的第5秒（第二张图）KNN的框已经完全变成黑色的了，而利用高斯混合模型进行图像分割时，从第一张图上就已经进行背景的分割了。

这就是图像分割和机器学习两种BS算法的差别，真正项目中我们可以用比较适合项目的方法进行图像处理。

---

-END-

长按下方二维码关注微卡智享