OpenCV背景建模，图像跟踪

背景建模

简介

背景建模：简单来说，在视频监视中我们对移动的人感兴趣，对视频里的环境和其他静物不感兴趣。因此我们关注的运动的人为前景，而相对静止的环境就为背景，为获取运动的区域方法就叫做背景建模。

帧差法

帧差法：由于物体移动，目标区域的值在变换。而静止区域的值将不会发生变化。将视频的两帧的画面值相减，相对静止的区域差值很小，运动区域的会出现一定的差值，通过阈值的设置，就可以实现目标的检测。
公式：
$$D_n(x,y)=|f_n(x,y)-f_{n-1}(x,y)|$$
$$R_n(x,y)=\{\begin{array}{l}255,D(x,y)>T\\ 0,else\end{array}$$
其中n为当前帧的画面，n-1为前一帧画面。两帧的差值，和阈值T作对比，大于阈值部分为255，小于阈值部分为0。
代码：

• 通过视频截取了两帧的画面
• 通过代码实现上方公式（注：彩色图片存在3个颜色通道）
  第一帧画面：
  
  第二帧画面：
  

# 导入opencv库
import cv2

# 加载图片
img1 = cv2.imread("C:/Users/98046/Desktop/video/image1.jpg") # 第一帧
img2 = cv2.imread("C:/Users/98046/Desktop/video/image2.jpg") # 第二帧

# 计算图片大小
height = img1.shape[0]
width = img1.shape[1]
print(img1.shape)
# 求差值
val = img1 - img2

# 根据阈值, 获取差值图像
for i in range(height):
    for j in range(width):
        if val[i, j][0] > 40 and val[i, j][1] > 40 and val[i, j][2] > 40:
            val[i, j][0] = 255
            val[i, j][1] = 255
            val[i, j][2] = 255
        else:
            val[i, j][0] = 0
            val[i, j][1] = 0
            val[i, j][2] = 0

cv2.imshow("val", val)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

运动的人已经获取到了，虽然帧差法简单，但是容易出现噪声和空洞。

高斯混合模型法

原理

高斯混合模型过繁琐，下面是知乎大神的讲解。
高斯混合模型法，点击即可查看。

代码实现

import cv2
import numpy as np

# 测试视频
cap = cv2.VideoCapture("C:/Users/98046/Desktop/test.avi")
#cap = cv2.VideoCapture(0)
# 形态学操作
print(cap)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
fgbg = cv2.createBackgroundSubtractorMOG2()

print(kernel)
while (1):
    ret, frame = cap.read()
    fgmask = fgbg.apply(frame)
    # 形态学开运算去噪声
    fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)
    # 寻找视频中的轮廓
    countours, hierarchy = cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    for c in countours:
        # 计算个轮廓的周长
        p = cv2.arcLength(c, True)
        if p > 200:
            x, y, w, h = cv2.boundingRect(c)
            # 画出这个矩形
            cv2.rectangle(frame, (x, y), (x+w, y+h),(0, 255, 0), 2)
    cv2.imshow("imshow", frame)
    cv2.imshow("fgmask", fgmask)
    k = cv2.waitKey(150) & 0xff
    if k == 27:
        break

cap.release();
cv2.destroyAllWindows();

运行结果：
1.图片演示：

2.视频演示：
点击观看

测试的视频文件

关注回复“背景建模”，即可获取测试视频和源码。