详细资料在这
基于混合高斯模型的背景建模和运动目标检测。以下是算法流程的总结:
导入必要的库,包括NumPy和OpenCV。
打开视频文件并创建一个BackgroundSubtractorMOG2对象(混合高斯模型)来进行背景建模和运动目标检测。
使用while循环从视频中读取帧。对于每一帧,应用BackgroundSubtractorMOG2对象来提取前景掩码(即运动目标)。
使用形态学开运算来去除前景掩码中的噪点。
使用cv2.findContours函数寻找前景掩码中的轮廓。
针对每个轮廓,计算其周长。
如果轮廓的周长大于阈值188(可能根据具体情况调整),则认为该轮廓代表一个运动目标。找到轮廓的外接矩形并在原始图像上绘制该矩形。
在图像上显示原始图像以及前景掩码,即检测到的运动目标。
持续处理视频的每一帧,直到按下键盘上的Esc键,此时退出循环,释放视频并关闭所有窗口。
综上所述,该算法通过背景建模和运动目标检测,能够在视频中实时识别运动目标并用绿色矩形框标记出来。这是一种简单有效的基于背景建模的目标检测方法,适用于一些简单的场景和应用。在实际应用中,可能需要根据具体需求进行参数调整和算法优化,以达到更好的效果。
import numpy as np
import cv2
#输入测试视频
cap = cv2.VideoCapture('test.avi')
#形态学操作需要使用
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
#创建混合高斯模型用于背景建模
fgbg = cv2.createBackgroundSubtractorMOG2()
while(True):
ret, frame = cap.read()
fgmask = fgbg.apply(frame)
#形态学开运算去噪点
fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)
#寻找视频中的轮廓
im, contours, hierarchy = cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
#计算各轮廓的周长
perimeter = cv2.arcLength(c,True)
if perimeter > 188:
#找到一个直矩形(不会旋转)
x,y,w,h = cv2.boundingRect(c)
#画出这个矩形
cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow('frame',frame)
cv2.imshow('fgmask', fgmask)
k = cv2.waitKey(150) & 0xff
if k == 27:
break
cap.release()
cv2.destroyAllWindows()
放张图