机器学习：opencv--背景建模

目录

一、背景建模是什么？

二、背景建模的目的

三、背景建模的方法及原理

四、代码实现

1.创建卷积核

2.创建混合高斯模型

3.处理图像

4.绘制人形轮廓

5.条件退出

---

一、背景建模是什么？

• 指在计算机视觉中，从视频序列中提取出静态背景的一种技术。
• 在视频中，背景通常被定义为相对稳定的部分，例如墙壁、地面或天空等。
• 背景建模的目标是将动态的前景对象与静态的背景进行分离，以便进一步分析和处理。

 

二、背景建模的目的

• 运动检测：识别并提取视频中的运动对象。
• 场景理解：帮助计算机理解视频中的不同场景和物体。
• 事件检测：监测特定事件或行为，如入侵检测、交通监控等。

 

三、背景建模的方法及原理

1. 帧差法：
   1. 将当前帧与上一帧进行逐像素比较。
   2. 计算每个像素的差值，并将差值大于设定阈值的像素标记为前景。
   3. 生成二值图像，白色区域表示检测到的运动对象，黑色区域表示背景。
2. 基于K近邻的背景/前景分割算法：
   1. 每个像素维护一个K个历史颜色值的队列。
   2. 对于当前帧中每个像素，将其与历史颜色值进行比较，计算相似度。
   3. 如果当前像素与大多数历史颜色值相似，则认为该像素属于背景；否则，标记为前景。
   4. 采用自适应的阈值来判断像素是否为前景。
3. 基于高斯混合的背景/前景分割算法：
   1. 每个像素用多个高斯分布进行建模，形成高斯混合模型。
   2. 对于每个像素，根据当前输入值与模型中每个高斯分布的相似度进行匹配。
   3. 若当前值与某个高斯分布相似，则更新该分布的均值和方差；否则，引入新的高斯分布。
   4. 通过设定阈值确定哪些像素被视为前景。

 

四、代码实现

1.创建卷积核

import cv2

# 经典的测试视频
cap = cv2.VideoCapture('test.avi')
# getstructuringElement(shape,ksize,anchor=None)得到一个卷积核。主要用于后续的腐蚀、膨胀、开、闭等运算。
# 参数:shape:设定卷积核的形状,可选如下三个参数:
#           1、MORPH_RECT(矩形卷积核)
#           2、MORPH_CROSS(十字形卷积核)
#           3、MORPH ELLIPSE(椭圆形卷积核)
#   ksize:设定要获取的卷积核的大小
#   anchor:表示描点的位置:一般c=1,表不描点位于中心
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))

 

2.创建混合高斯模型

# 创建混合高斯模型,用于背景建模
fgbg = cv2.createBackgroundSubtractorMOG2()

 

3.处理图像

1. 遍历视频的每一帧，
2. 将每一帧进行背景建模处理
3. 将背景建模之后的图像进行形态学处理，这里进行开运算去除噪点

while True:
    ret, frame = cap.read()  # ret:True表示正常读取到图像,frame:从视频中获取当前一帧图片
    cv2.imshow('frame', frame)
    fgmask = fgbg.apply(frame)  # 视频处理
    cv2.imshow('fgmask', fgmask)
    fgmask_new = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)  # 开运算去噪点,先腐蚀后膨胀。
    cv2.imshow('fgmask_new', fgmask_new)

 

4.绘制人形轮廓

1. 将上述得到的图像进行查找轮廓
2. 计算各轮廓的周长，判断属于人的轮廓
3. 将其在图像上绘制出来
4. 然后显示出来
5. 最终得到每一帧的在动的人的轮廓，实现了人形检测

    # 寻找视频中的轮廓
    _, contours, h = cv2.findContours(fgmask_new, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for c in contours:
        # 计算各轮廓的周长
        perimeter = cv2.arcLength(c, True)
        if perimeter > 115:  # 判断是否为行走的人
            # 找到一个直矩形(不会旋转)
            x, y, w, h = cv2.boundingRect(c)
            # 画出这个矩形
            fgmask_new_rect = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.imshow('fgmask_new_rect', fgmask_new_rect)

 

5.条件退出

1. 每一帧图像显示60毫秒，
2. 如果键盘按下esc键则退出循环

    k = cv2.waitKey(60)
    if k == 27:  # esc 的ascii码值
        break

输出：