学习opencv——背景减除
2018-03-07 00:08
267 查看
背景减除在很多基础应用中占据很重要的角色。列如顾客统计,使用一个静态的摄像头来记录进入和离开房间的人数,或者交通摄像头,需要提取交通工具的信息等。我们需要把单独的人或者交通工具从背景中提取出来。技术上说,我们需要从静止的背景中提取移动的前景。好在OpenCV已经提供了一些背景减除的算法。
python3.5.2
opencv3.2
2
3
在opencv3.2版本里,我只找到这两个背景减除的方法。
BackgroundSubtractorMOG2是以高斯混合模型为基础的背景/前景分割算法。它是以2004年和2006年Z.Zivkovic的两篇文章为基础。这个算法的一个特点是它为每个像素选择一个合适的高斯分布。这个方法有一个参数detectShadows,默认为True,他会检测并将影子标记出来,但是这样做会降低处理速度。影子会被标记成灰色。
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
![](https://img-blog.csdn.net/20170323103728870?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvU3RldmVuS2U0MDQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
可以看出还是能清楚检测出移动的人物
![](https://img-blog.csdn.net/20170323104340018?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvU3RldmVuS2U0MDQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
截图可能不清楚,在视频播放的过程中,远处的警戒线带子在随着风移动,检测方法也能捕捉到带子的移动。
1.运行环境
操作系统:win7 64位python3.5.2
opencv3.2
2.方法
cv2.createBackgroundSubtractorMOG2() cv2.createBackgroundSubtractorKNN()1
2
3
在opencv3.2版本里,我只找到这两个背景减除的方法。
BackgroundSubtractorMOG2是以高斯混合模型为基础的背景/前景分割算法。它是以2004年和2006年Z.Zivkovic的两篇文章为基础。这个算法的一个特点是它为每个像素选择一个合适的高斯分布。这个方法有一个参数detectShadows,默认为True,他会检测并将影子标记出来,但是这样做会降低处理速度。影子会被标记成灰色。
3.代码
import numpy as np import cv2 #BackgroundSubtractorMOG2 #opencv自带的一个视频 cap = cv2.VideoCapture('bg.avi') #创建一个3*3的椭圆核 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3)) #创建BackgroundSubtractorMOG2 fgbg = cv2.createBackgroundSubtractorMOG2() while(1): ret, frame = cap.read() fgmask = fgbg.apply(frame) #形态学开运算去噪点 fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel) #寻找视频中的轮廓 im, contours, hierarchy = cv2.findContours(fgmask, 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 > 188: #找到一个直矩形(不会旋转) 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('frame',frame) cv2.imshow('fgmask', fgmask) k = cv2.waitKey(30) & 0xff if k == 27: break cap.release() cv2.destroyAllWindows()1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
4.结果
可以看出还是能清楚检测出移动的人物
5.其他
注意如果要找到移动物体的轮廓,一定要处理噪点。直接用自带的算法,会影响结果。用cv2.createBackgroundSubtractorKNN()的方法也能检测出移动的物体截图可能不清楚,在视频播放的过程中,远处的警戒线带子在随着风移动,检测方法也能捕捉到带子的移动。
相关文章推荐
- 学习opencv——背景减除
- opencv学习系列(五)--- 背景建模
- 【OpenCV学习】前后背景分离
- 基于OPENCV的背景减除方法
- opencv学习(一) 简单的背景差法实现车辆检测
- OpenCV学习——前后背景分离
- Opencv学习笔记(背景更新---目标跟踪)
- opencv学习笔记2--背景分割
- Python+OpenCV学习(16)---视频流背景剔除
- 学习opencv(1)平均背景法
- opencv程序十七:运动目标检测之背景减除法
- OpenCV学习——物体跟踪的粒子滤波算法实现之背景介绍
- opencv学习笔记(3)背景分离-平均背景法
- 【OpenCV】视频/图像背景减除方法
- 【opencv学习之三十九】背景分割和漫水填充
- opencv2 学习第8天 提取分离前景和背景
- opencv codebook背景减除
- Python OpenCV学习笔记之:使用KNN对视频背景消除
- 计算机视觉 | Python OpenCV 3 使用背景减除进行目标检测
- OpenCV codebook模型实现背景减除