基于opencv运动检测的一些方法

         因为监控发展的需求，目前前景检测的研究还是很多的，也出现了很多新的方法和思路。个人了解的大概概括为以下一些：

        帧差、背景减除（GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……）、光流（稀疏光流、稠密光流）、运动竞争（Motion Competition）、运动模版（运动历史图像）、时间熵……等等。如果加上他们的改进版，那就是很大的一个家族了。

       对于上一些方法的一点简单的对比分析可以参考下：http://www.cnblogs.com/ronny/archive/2012/04/12/2444053.html

       至于哪个最好，看使用环境吧，各有千秋，有一些适用的情况更多，有一些在某些情况下表现更好。这些都需要针对自己的使用情况作测试确定的。呵呵。

       推荐一个牛逼的库：http://code.google.com/p/bgslibrary/里面包含了各种背景减除的方法，可以让自己少做很多力气活。

       还有王先荣博客上存在不少的分析：http://www.cnblogs.com/xrwang/archive/2010/02/21/ForegroundDetection.html

       下面的博客上转载王先荣的上面几篇，然后加上自己分析了两篇：http://blog.csdn.NET/stellar0

/**************帧差法************/
#include<opencv2/opencv.hpp>
#include<iostream>


using namespace std;
using namespace cv;


int main()
{
    VideoCapture capture("test.avi");//获取视频
    if (!capture.isOpened())
        return -1;
    double rate = capture.get(CV_CAP_PROP_FPS);//获取视频帧率
    int delay = 1000 / rate;
    Mat framepro, frame, dframe;
    bool flag = false;
    namedWindow("image");
    namedWindow("test");
    while (capture.read(frame))
    {
        if (false == flag)
        {
            framepro = frame.clone();//将第一帧图像拷贝给framePro
            flag = true;
        }
        else
        {
            absdiff(frame, framepro, dframe);//帧间差分计算两幅图像各个通道的相对应元素的差的绝对值函数 AbsDiff 计算两个数组差的绝对值。
            framepro = frame.clone();//将当前帧拷贝给framepro
            threshold(dframe, dframe, 40, 255, CV_THRESH_BINARY);//阈值分割
            imshow("image", frame);
            imshow("test", dframe);
            waitKey(delay);
        }
    }
    waitKey();
    return 0;
}