1.原理
- 在很多基础应用中背景减除都是一个非常重要的步骤。例如顾客统计,使用一个静态摄像头来记录进入和离开房间的人数,或者是交通摄像头,需要提取交通工具的信息等。在所有的这些例子中,首先要将人或车单独提取出。技术上来说,我们需要从静止的背景中提取移动的前景。
- 如果你有一张背景(仅有背景不含前景)图像,只需要在新的图像中减去背景就可以得到前景对象了。但是在大多数情况下,我们没有这样的(背景)图像,所以需要直接从图像中提取背景。如果图像中还有影子,因为影子也在移动,使用减法会把影子也当成前景。为了实现这个目的科学家们已经提出了几种算法。OpenCV 中已经包含了其中三种比较容易使用的方法。
2.BackgroundSubtractorMOG
- 这是一个以混合高斯模型为基础的前景/背景分割算法。
- 它使用K(K=3 或5)个高斯分布混合对背景像素进行建模。使用这些颜色(在整个视频中)存在时间的长短作为混合的权重。背景的颜色一般持续的时间最长,而且更加静止。
- 一个像素没有分布,但是背景建模是基于时间序列的,因此每一个像素点所在的位置在整个时间序列中就会有很多值,从而构成一个分布。
代码速记:
- cv2.bgsegm.createBackgroundSubtractorMOG()
- fgbg.apply()
实战:
def mog(self):
cap = cv2.VideoCapture("../images/vtest.avi")
fgbg = cv2.bgsegm.createBackgroundSubtractorMOG()#创建一个背景对象
# 此函数有可选参数:进行建模场景的时间长度、高斯混合成分的数量、阈值等
# 将它们全部设置为默认值
while True:
ret, frame = cap.read()
fgmask = fgbg.