Opencv:基于背景消除与前景提取的运动检测Python实现
一、内容
背景/前景 提取
视频场景分析中最常用的技术之一就是通过背景消除来提取前景移动对象,得到前景的对象mask图像,最常用的背景消除技术就是通过帧差相减,用前面一帧作为背景图像,与当前帧进行相减,不过这种方法对光照与噪声影响非常敏感,所有好的办法是通过对前面一系列帧提取背景模型进行相减,OpenCV中实现的背景模型提取算法有两种,一种是基于高斯混合模型GMM实现的背景提取,另外一种是基于最近邻KNN实现的。都有相关的API可以供开发者使用。相关API
createBackgroundSubtractorMOG2(
int history = 500,
double varThreshold = 16,
bool detectShadows = true
)
参数解释如下:
history表示过往帧数,500帧,选择history = 1就变成两帧差
varThreshold表示像素与模型之间的马氏距离,值越大,只有那些最新的像素会被归到前景,值越小前景对光照越敏感。
detectShadows 是否保留阴影检测,请选择False这样速度快点。
背景消除与前景ROI提取
通过视频中的背景进行建模,实现背景消除,生成mask图像,通过对mask二值图像分析实现对前景活动对象ROI区域的提取,是很多视频监控分析软件常用的手段之一,该方法很实时!整个步骤如下:
1. 初始化背景建模对象GMM
2. 读取视频一帧
3. 使用背景建模消除生成mask
4. 对mask进行轮廓分析提取ROI
5. 绘制ROI对象
二、代码
import numpy as np
import cv2 as cv
# 读取视频
cap = cv.VideoCapture('D:/vsprojects/images/vtest.avi')
# 背景模型提取
fgbg = cv.createBackgroundSubtractorMOG2(
history=500, varThreshold=100, detectShadows=False)
# 预处理
def process(image, opt=1):
mask = fgbg.apply(frame)
line = cv.getStructuringElement(cv.MORPH_RECT, (1, 5), (-1, -1))
# 开操作
mask = cv.morphologyEx(mask, cv.MORPH_OPEN, line)
cv.imshow("mask", mask)
# 轮廓提取, 发现最大轮廓
contours, hierarchy = cv.findContours(mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
for c in range(len(contours)):
area = cv.contourArea(contours[c])
if area < 100:
continue
# 提取矩形
rect = cv.minAreaRect(contours[c])
box = cv.boxPoints(rect)
box = np.int0(box)
# 矩形轮廓描绘
cv.drawContours(image, [box], 0, (0, 0, 255), 2)
# 中心点
cv.circle(image, (np.int32(rect[0][0]), np.int32(rect[0][1])), 2, (255, 0, 0), 2, 8, 0)
return image, mask
while True:
ret, frame = cap.read()
cv.imwrite("D:/input.png", frame)
cv.imshow('input', frame)
result, m_ = process(frame)
cv.imshow('result', result)
k = cv.waitKey(50) & 0xff
if k == 27:
cv.imwrite("D:/result.png", result)
cv.imwrite("D:/mask.png", m_)
break
cap.release()
cv.destroyAllWindows()