背景减除（1）--bgslibrary Windows编译和使用

AI小花猫

已于 2024-03-26 09:29:17 修改

阅读量1.2k

点赞数 30

分类专栏： C++学习文章标签： c++ 图像处理

于 2024-03-25 23:02:33 首次发布

本文链接：https://blog.csdn.net/caobin_cumt/article/details/137026307

版权

C++学习专栏收录该内容

5 篇文章 1 订阅

订阅专栏

入侵监控领域中，在固定场景下，需要检测和监控的入侵物体种类繁多，无法具体穷尽。传统的CV算法提取的特征应用场景有限，无法完成大量物体的监控；深度学习目标检测方法没法收集到无穷无尽的物体种类，因此监督效果仅限于标注物体，且适应性因场景变化而变化；异常检测方案，因为场景随着天气、光照的变化，无法行之有效的判断出异常物体的位置，并有时甚至出现误判断。

背景减除算法，通过学习固定场景下不变的背景，利用当前帧的的数据与背景的差分，可以很容易得到前景，在无需分类的场景下得到广泛应用。

这里推荐一个宝藏github主的分享，对于学习背景建模相关的东西很有帮助。https://github.com/murari023/awesome-background-subtraction/blob/master/README.md#projects

GitHub - andrewssobral/bgslibrary: A C++ Background Subtraction Library with wrappers for Python, MATLAB, Java and GUI on QT

一、bgslibrary库的下载

使用背景建模基本都会使用到两个库，一个是opencv里面关于background subtraction相关的库，另一个就是bgslibrary，其链接地址如下：

https://github.com/andrewssobral/bgslibrary

该库是由Andrews Sobral 于2012年开始编写的，主要使用C++语言，结合opencv进行编写完成，当前还适配python、java、matlab等语言。最新release的算法版本总计实现了43个算法，针对不同版本的opencv，所能适配的和使用的背景建模算法均不一致，下图为部分示例。

可以通过上述github链接直接下载bgslibrary，然后解压到自己的盘符中存放

二、bgslibrary库的编译

编译的具体步骤可以参考如下链接：https://github.com/andrewssobral/bgslibrary/wiki/Installation-instructions---Windows

首先打开cmd，确认电脑已经安装cmake相关的软件。

解压已经下载到本地的bgslibrary库，然后cd进入bgslibrary

进入C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Auxiliary\Build，并点击运行vcvars64.bat文件，需要管理员权限才能正常运行

设置opencv库的安装目录：

切换到编译目录bgslibrary/build下；

调用cmake命令进行安装编译，编译命令如下所示：

cmake -DOpenCV_DIR="D:\personal\personal\opencv\build" -G "Visual Studio 16 2019" ..

配置成功出现如下所示显示结果。

最后使用visual studio 2019 打开下图中的sln文件，选择你需要的编译库的类型（例如X64+debug或者X64+release）,直接点击build编译即可。编译完成后可以在build文件夹中生成bgslibrary_core.lib以及bgslibrary_core.dll文件。

三、bgslibrary库的使用

首先，新建一个工程，取一个工程名称，将bgslibrary库下面的src文件夹拷贝到本工程目录下，将编译生成的lib以及dll拷贝到本工程下的lib文件以及工程下，具体如下图所示。

接着，在包含目录中配置opencv和bgs库的头文件目录，库目录中包含opencv和bgs库的库目录所在位置，如下所示：

在链接器中增加opencv_world470d.lib以及bgslibrary_core.lib

新建一个main.cpp，加入如下代码：

#include <iostream>
#include <algorithm>
#include <iterator>
#include <string>
#include <vector>
#include <opencv2/opencv.hpp>
#include"../src/algorithms/algorithms.h"


auto algorithmsName = BGS_Factory::Instance()->GetRegisteredAlgorithmsName();

int main() {
    std::cout << "Using OpenCV " << CV_MAJOR_VERSION << "." << CV_MINOR_VERSION << "." << CV_SUBMINOR_VERSION << std::endl;

    std::cout << "Number of available algorithms: " << algorithmsName.size() << std::endl;
    std::cout << "List of available algorithms:" << std::endl;
    std::copy(algorithmsName.begin(), algorithmsName.end(), std::ostream_iterator<std::string>(std::cout, "\n"));

    /*
     List of all algorithms:
     (Note that some of these algorithms are available only for a specific version of OpenCV, see algorithms.h)
     AdaptiveBackgroundLearning,AdaptiveSelectiveBackgroundLearning,CodeBook,DPAdaptiveMedian,DPEigenbackground,
     DPGrimsonGMM,DPMean,DPPratiMediod,DPTexture,DPWrenGA,DPZivkovicAGMM,FrameDifference,FuzzyChoquetIntegral,
     FuzzySugenoIntegral,GMG,IndependentMultimodal,KDE,KNN,LBAdaptiveSOM,LBFuzzyAdaptiveSOM,LBFuzzyGaussian,
     LBMixtureOfGaussians,LBP_MRF,LBSimpleGaussian,LOBSTER,MixtureOfGaussianV2,MixtureOfGaussianV1,MultiCue,
     MultiLayer,PAWCS,PixelBasedAdaptiveSegmenter,SigmaDelta,StaticFrameDifference,SuBSENSE,T2FGMM_UM,T2FGMM_UV,
     T2FMRF_UM,T2FMRF_UV,TwoPoints,ViBe,VuMeter,WeightedMovingMean,WeightedMovingVariance
    */
    std::string algorithmName = "KNN";
    //int cameraIndex = 0;
    //if (argc > 1) algorithmName = argv[1];
    //if (argc > 2) cameraIndex = std::stoi(argv[2]);
    std::string video_path = "./00010000684000000_4.mp4";
    cv::VideoCapture capture;
    capture.open(video_path);

    if (!capture.isOpened()) {
        std::cerr << "Cannot initialize web camera!" << std::endl;
        return -1;
    }

    std::cout << "Running " << algorithmName << std::endl;
    auto bgs = BGS_Factory::Instance()->Create(algorithmName);

    cv::Mat img_input;
    auto key = 0;
    std::cout << "Press 's' to stop:" << std::endl;
    while (key != 's') {
        // Capture frame-by-frame
        capture >> img_input;

        if (img_input.empty()) break;

        // Resize input frame for better visualization
        cv::resize(img_input, img_input, cv::Size(380, 240), 0, 0, CV_INTER_LINEAR);
        cv::imshow("input", img_input);

        cv::Mat img_mask;
        cv::Mat img_bkgmodel;
        try {
            // by default, bgs->process(...) shows automatically the foreground mask image
            // or you can disable it by: bgs->setShowOutput(false);
            bgs->process(img_input, img_mask, img_bkgmodel);

            if(!img_mask.empty())
              cv::imshow("Foreground", img_mask);
            //  ....do something else...
        }
        catch (std::exception& e) {
            std::cout << "Exception occurred" << std::endl;
            std::cout << e.what() << std::endl;
        }

        key = cv::waitKey(33);
    }

    cv::destroyAllWindows();
    capture.release();

    return 0;

}

运行本程序，可以看到结果如下所示：