opencv 特殊颜色区域_视频分析与对象跟踪-背景消去建模和基于颜色的对象检测与跟踪...

1.背景消去建模

基本原理： 消除背景建模就是找出视频中移动的区域，把移动的区域设为白色对象方便观察，其他没有移动的区域设为黑色背景。背景模型为视频之前的某一帧图像，与当前帧做差值，然后对差值图像最二值化，二值化的结果就是背景变为全黑的，前景为白色。二值图像反应了有对象的闯入。它是视频跟踪最基本的方法。可用基于机器学习的KNN算法或者图像分割MOG算法。但不论是KNN还是MOG，它们对于消除背景建模的思路是一样的；以KNN为例：假设在视频的第5帧为开始，用KNN算法可以把第5帧图像中的所有像素点划分为K类。即每个像素点都有属于自己的类别。第6帧时，对第6帧图像进行KNN分类，如果视频中没有物体移动，则第6帧和第5帧图像中所有对应像素点的类别是一样的。如果视频中有物体移动了，则第6帧和第5帧图像中不是所有对应像素点的类别是一样的，不是同一类别的像素点就是移动物体的区域，把该区域设为白色背景。

• 在opencv中有两种方法可以进行背景消除： （1）基于机器学习(KNN–K个最近邻)背景消除建模 （2）其二、基于图像分割(GMM，高斯混合模型抗干扰图像分割)背景消除建模

相关API:

（1）BackgroundSubtractor

（2）BackgroundSubtractorMOG2 图像分割方法

（3）BackgroundSubtractorKNN 机器学习（KNN）最近邻方法

例子代码：

#include

效果：

视频分析与对象跟踪-背景消去建https://www.zhihu.com/video/1223167826560839680

总结： 消除背景建模主要分析背景不怎么变化的视频的情况下，其中GMM算法可以有效抗噪，防止每帧之间微弱变化带来的噪声影响。在处理过程中可适当运用形态学操作使得效果更好，开运算，即为先腐蚀后膨胀的过程，可以用来消除小物体（类似椒盐噪声，噪点），在纤细点处分离物体，并且在平滑较大物体的边界时不明显改变面积。闭运算，先膨胀后腐蚀的过程称为闭运算，闭运算能够排除小型黑洞（黑色区域）。

2.基于颜色的对象检测与跟踪

利用颜色范围进行过滤并进行标注和测量。 步骤： （1）inRange过滤 （2）形态学操作提取 （3）轮廓查找 （4）外接矩形获取 （5）位置标定

例子代码：

#include

效果：

基于颜色的对象检测与跟踪https://www.zhihu.com/video/1223168008275095552

---

欢迎关注我的微信公众号“OpenCV图像处理算法”，主要是记录自己学习图像处理算法的历程，包括特征提取、目标跟踪、定位、机器学习和深度学习，每一个例子都会提供源码和例子所用的资料，欢迎同行的同学关注我和我一起虚度光阴吧！！！