当前位置: 首页 > article >正文

OpenCV视觉分析之运动分析(5)背景减除类BackgroundSubtractorMOG2的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

基于高斯混合模型的背景/前景分割算法。

该类实现了在文献[320]和[319]中描述的高斯混合模型背景减除。

cv::BackgroundSubtractorMOG2 类是 OpenCV 中用于背景减除的一种实现方式,它基于 Gaussian Mixture Model with a recursive algorithm (GMM) 来估计背景模型。这种模型对于动态场景下的背景减除非常有效,因为它可以适应背景的变化并且对光照变化有一定的鲁棒性。

主要成员函数

函数apply()

计算一个前景掩码

函数原型

virtual void cv::BackgroundSubtractorMOG2::apply
(
	InputArray 	image,
	OutputArray 	fgmask,
	double 	learningRate = -1 
)		
参数
  • 参数image 下一个视频帧。浮点帧将不经缩放直接使用,且应处于[0,255]范围内。
  • 参数fgmask 作为8位二值图像的输出前景掩码。
  • 参数learningRate 取值范围在0到1之间,表示背景模型的学习速度。参数的负值会使算法使用某种自动选择的学习率。0意味着背景模型完全不更新,1意味着背景模型将完全重新初始化为最近一帧的状态。

代码示例


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

int main( int argc, char** argv )
{
    // 创建一个 BackgroundSubtractorMOG2 对象
    cv::Ptr< cv::BackgroundSubtractor > pBackSub = cv::createBackgroundSubtractorMOG2( 500,  // 设置历史帧数
                                                                                       16,   // 设置方差阈值
                                                                                       true  // 启用阴影检测
    );

    // 打开视频文件
    cv::VideoCapture capture( 0);
    if ( !capture.isOpened() )
    {
        std::cerr << "Failed to open video file." << std::endl;
        return -1;
    }

    // 读取每一帧并处理
    cv::Mat frame, fgMask;
    while ( capture.read( frame ) )
    {
        // 应用背景减除
        pBackSub->apply( frame, fgMask );

        // 显示结果
        cv::imshow( "Frame", frame );
        cv::imshow( "FG Mask", fgMask );

        // 按 'q' 键退出
        if ( cv::waitKey( 30 ) == 'q' )
        {
            break;
        }
    }

    // 释放资源
    capture.release();
    cv::destroyAllWindows();

    return 0;
}

运行结果

在这里插入图片描述
效果比BackgroundSubtractorKNN好很多


http://www.kler.cn/a/371968.html

相关文章:

  • Unity3D 逻辑服的ECS框架设计具体实现详解
  • @tarojs/components 和 taro-ui 中的组件之间的区别
  • 2-134 基于matlab的图像边缘检测
  • 鸿蒙自定义加载 LoadingDialog
  • Soanrquber集成Gitlab 之 导入Gitlab项目
  • echarts5.2.2实现 水球图表
  • Oracle视频基础1.1.3练习
  • 《Linux系统编程篇》exec族函数——基础篇
  • _csv.Error: field larger than field limit (131072)
  • AI自动评论插件V1.3 WordPress插件 自动化评论插件
  • css之loading旋转加载
  • 大数据新视界 -- 大数据大厂之大数据和增强现实(AR)结合:创造沉浸式数据体验
  • NVR设备ONVIF接入平台EasyCVR视频融合平台智慧小区视频监控系统建设方案
  • java的Annotation使用
  • MYSQL全局锁、标级锁、行级锁
  • 房屋租赁系统
  • Linux 如何精准排除特定文件并批量替换字符串
  • rabbitmq自学总结
  • net start mysql 启动mysql服务,发生系统错误,拒绝访问
  • 浅谈站点可靠性工程之SRE
  • 【10天速通Navigation2】(三) :Cartographer建图算法配置:从仿真到实车,从原理到实现
  • 研二了,该想想做啥呢?
  • 【算法系列-二叉树】层序遍历
  • 【2024|滑坡数据集论文解读1】CAS滑坡数据集:用于深度学习滑坡检测的大规模多传感器数据集
  • Scala 特质(Traits)与类继承 #scala #Scala #Scala继承
  • Mac程序坞窗口预览的方法来了