计算机视觉 | Python OpenCV 3 使用背景减除进行目标检测

最新推荐文章于 2023-10-26 15:22:05 发布

LeadAI学院

最新推荐文章于 2023-10-26 15:22:05 发布

阅读量5k

点赞数

本文链接：https://blog.csdn.net/leadai/article/details/78547608

版权

本文介绍了如何使用OpenCV的背景减除算法进行目标检测，包括KNN、MOG、MOG2和GMG四种方法，并提供了Python代码示例，帮助读者理解并应用这些算法。

摘要由CSDN通过智能技术生成

北京 | 高性能计算之GPU CUDA课程11月24-26日

3天密集学习快速带你晋级阅读全文 >

背景减除(Background Subtraction)是许多基于计算机视觉的任务中的主要预处理步骤。如果我们有完整的静止的背景帧，那么我们可以通过帧差法来计算像素差从而获取到前景对象。但是在大多数情况下，我们可能没有这样的图像，所以我们需要从我们拥有的任何图像中提取背景。当运动物体有阴影时，由于阴影也在移动，情况会变的变得更加复杂。为此引入了背景减除算法，通过这一方法我们能够从视频中分离出运动的物体前景，从而达到目标检测的目的。 OpenCV已经实现了几种非常容易使用的算法。

环境

Python 3.6
OpenCV 3.2 + contrib

在Python下可以通过直接导入wheel包来安装opencv+contrib,可以从下面这个网址下载对应的文件： opencv_python‑3.2.0+contrib‑cp36‑cp36m‑win_amd64.whl
http://www.lfd.uci.edu/~gohlke/pythonlibs/

KNN

KNN算法，即K-nearest neigbours - based Background/Foreground Segmentation Algorithm。2006年，由Zoran Zivkovic 和Ferdinand van der Heijden在论文"Efficient adaptive density estimation per image pixel for the task of background subtraction."中提出。

bs = cv2.createBackgroundSubtractorKNN(detectShadows=True)
fg_mask = bs.apply(frame)