opencv：动态目标检测--BackgroundSubtractorMOG2 C++

BackgroundSubtractorMOG2基于自适应混合高斯背景建模，具有一定的抗光照干扰的能力，参数配置如下

Ptr<BackgroundSubtractorMOG2> bgsubtractor = createBackgroundSubtractorMOG2();
// 用于训练背景的帧数，如果不手动设置learning rate，history就被用于计算当前的learning rate，
// history越大，learning rate越低，背景更新越慢
bgsubtractor->setHistory(500);
// 方差阈值，主要用于判断前景还是背景，值越大，灵敏度越低
// 如果光照变化明显，如阳光下的水面，建议设为25,36
bgsubtractor->setVarThreshold(16);
// 是否检测有影子，开启后会增加算法复杂度
bgsubtractor->setDetectShadows(true);
// 高斯模型个数，默认5个，最多8个
bgsubtractor->setBackgroundRatio(4);
// 高斯背景模型权重和阈值，nmixtures个模型按权重重排序后，
// 只取模型权重累加值大于backgroundRatio的前几个作为背景模型
bgsubtractor->setNMixtures(5);
// 新建高斯模型的方差初始值，默认15
bgsubtractor->setVarInit(15);
// 背景更新时，用于限制高斯模型方差的最大值，默认20
bgsubtractor->setVarMax(20);
// 背景更新时，用于限制高斯模型方差的最小值，默认4
bgsubtractor->setVarMin(4);
// 方差阈值，用于已经存在的匹配的模型，如果不存在则新建一个
bgsubtractor->setVarThresholdGen(100);

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>

using namespace std;
using namespace cv;

//图像分割
int labelTargets(Mat& src, Mat& mask, int thresh = 100);

int main()
{
	const char* fn = "D:\\vs-projects\\moving\\vtest.avi";
	VideoCapture cap;
	Mat source, image, foreGround, backGround, fgMask;
	Ptr<BackgroundSubtractorMOG2> pBgModel = createBackgroundSubtractorMOG2();
	pBgModel->setHistory(20);
	pBgModel->setVarThreshold(100);
	pBgModel->setDetectShadows(false);

	//打开视频
	cap.open(fn);
	if (!cap.isOpened())
	{
		cout << "无法打开视频文件：" << fn << endl;
		return;
	}

	for (;;)
	{
		//获取视频帧
		cap >> source;
		if (source.empty())
			break;
		resize(source, image, Size(source.cols / 2, source.rows / 2), INTER_LINEAR);
		//转为灰度图
		//cvtColor(image, image, COLOR_BGR2GRAY);
		
		if (foreGround.empty())
			foreGround.create(image.size(), image.type());
		
		//背景更新
		pBgModel->apply(image, fgMask);

		//图像处理
		GaussianBlur(fgMask, fgMask, Size(5, 5), 0);
		threshold(fgMask, fgMask, 30, 255, THRESH_BINARY);

		foreGround = Scalar::all(0);
		//image和fgMask重叠以后把fgMask像素值为0对应image中的点变为透明，而保留其他点
		image.copyTo(foreGround, fgMask);

		//imshow("src", foreGround);
		//waitKey(20);

		//标记找到的运动目标
		int nTargets = labelTargets(image, fgMask);
		//cout << "共检测到" << nTargets << "个目标" << endl;
	 }
	
}
int labelTargets(Mat& src, Mat& mask, int thresh)
{
	//以下是图像分割
	Mat seg = mask.clone();
	vector<vector<Point>> cnts;
	findContours(seg, cnts, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

	//以下进行筛选
	float area;
	Rect rect;
	int count = 0;
	string strCount;
	for (int i = cnts.size() - 1; i >= 0; i--)
	{
		vector<Point> c = cnts[i];
		area = contourArea(c);
		if (area < thresh)
			continue;
		count++;
		//包围特征点的矩形框的坐标和长宽信息
		rect = boundingRect(c);
		//输出矩形框的坐标和面积
		cout << "位置：（" << rect.x << "，" << rect.y << "）面积：" << rect.width * rect.height << endl;
		//在原图上画出矩形框
		rectangle(src, rect, Scalar(0, 0, 0xff), 1);

		stringstream ss;
		ss << count;
		ss >> strCount;
		putText(src, strCount, Point(rect.x, rect.y), CV_FONT_HERSHEY_PLAIN, 0.5, Scalar(0, 0xff, 0));

		imshow("src", src);
		waitKey(20);
	}
	return count;
}