運動目標檢測OpenCV背景減除法

背景減除法：

1.gmm mog2演算法，高斯混合模型分離演算法，它為每個畫素選擇適當數量的高斯分布

函式：cv2.createbackgroundsubtractormog2(int history=500,double varthread=16,bool detectshadows =true)

2.knn模型：

cv2.createbackgroundsubtractorknn()

1初始化背景建模物件gmm

3使用背景建模消除生成mask

4對mask進行輪廓分析提取roi

5繪製roi物件

import numpy as np

import cv2
cap = cv2.videocapture("anew.flv")
fgbg = cv2.createbackgroundsubtractormog2(history=500,varthreshold=100,detectshadows=false)
def getperson(image,opt=1):
line = cv2.getstructuringelement(cv2.morph_rect,(1,5),(-1,-1))
mask = cv2.morphologyex(mask,cv2.morph_open,line)
cv2.imshow("mask",mask)
#opencv版本不同，以下返回的引數個數也不同
for c in range(len(contours)):
area = cv2.contourarea(contours[c])
if area < 300:
continue
rect = cv2.minarearect(contours[c])
cv2.ellipse(image,rect,(0,255,0),2,8)
cv2.circle(image,(np.int32(rect[0][0]),np.int32(rect[0][1])),2,(255,0,0),2,cv2.line_aa)
return image,mask
while true:
ret,frame = cap.read()
result,m_ = getperson(frame)
cv2.imshow('result',result)
k = cv2.waitkey(20) & 0xff ==ord('q')
if k ==27:
break
cap.release()
cv2.destroyallwindows()

運動目標檢測 背景減法

一 原理 背景減法 background subtraction 是當前運動目標檢測技術中應用較為廣泛的一類方法，它的基本思想和幀間差分法相類似，都是利用不同影象的差分運算提取目標區域。不過與幀間差分法不同的是，背景減法不是將當前幀影象與相鄰幀影象相減，而是將當前幀影象與乙個不斷更新的背景模型相減，...

運動背景下的運動目標檢測

各種目標檢測方法介紹 懶人可以直接略過 目標檢測是乙個老話題了，在很多演算法當中都有它的身影。目標檢測要做的就兩件事 檢測當前中有沒有目標？如果有的話，在哪？按照先驗知識和背景運動來劃分的話，目標檢測方法大概可以分為兩大類 第一，已知目標的先驗知識。在這種情況下檢測目標有兩類方法，第一類方法是用目標...

OpenCV運動目標檢測背景差法和幀差法的理解

上圖使用absdiff影象減法函式，如下 二值化腐蝕膨脹學習，幀差法和背景差法對比測試 include includeusing namespace cv using namespace std int main int argc,char ar 幀差法也是使用absdiff影象減法函式，只不過是相...