?參考【計算機視覺-OpenCV】唐宇迪博士教會了我大學四年沒學會的OpenCV OpenCV計算機視覺實戰全套課程（附帶課程課件資料+課件筆記+源碼）_嗶哩嗶哩_bilibili

幀差法

由于場景中的目標在移動，目標的影像在不同圖像幀中的位置不同。該類算法對時間上連續的兩幀圖像進行差分運算，不同幀對應的像素點相減，判斷灰度差的絕對值，當絕對值超過一定閾值時，即可判斷為運動目標,從而實現目標的檢測功能。

幀差法運用簡單,但是存在引入噪聲和空洞的問題

混合高斯模型

在進行前景檢測前,先對背景進行訓練,對圖像中每個背景采用一個混合高斯模型進行模擬,每個背景的混合高斯的個數可以自適應.然后再測試階段,對新來的像素進行GNN匹配,如果該像素值能夠匹配其中一個高斯,則以為是背景.否則認為是前景.由于整個過程GMM模型在不斷更新學習中,所以對動態背景有一定的魯棒性.最后通過對一個有樹枝搖擺的動態背景進行前景檢測,取得了較好的效果. ??背景的實際分布是多個高斯分布混合在一起，每個高斯模型也可以帶有權重? 混合高斯模型學習方法

1. 首先初始化每個高斯模型矩陣參數.

2.取視頻中T幀數據圖像用來訓練高斯混合模型,來了第一個像素之后用它當作第一個高斯分布

3.當后面來的像素值時,與前面已有的高斯均值比較,如果該像素點的值與其模型均值差在3倍的方差內,屬于該分布 ,并對其進行修改

4. 如果下一次來的像素不滿足當前分布,用它來創建一個新的高斯分布. ??

混合高斯模型測試方法???????????????

??在測試階段，對新來像素點的值與混合高斯模型中的每一個均值進行比較，如果其差值在2倍的方差之內的話，則認為是背景，否則認為是前景。將前景賦值為255，背景賦值為0.這樣就形成了一副前景二值圖。

?項目實戰:

import numpy as np import cv2# 經典的測試視頻 cap = cv2.VideoCapture('E:/anaconda3/picture/test.avi') # 形態學操作需要使用 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) # 創建混合高斯模型用于背景建模 fgbg = cv2.createBackgroundSubtractorMOG2()while (True):ret, frame = cap.read() # 一幀一幀讀取視頻fgmask = fgbg.apply(frame) # 將獲取到的每一幀圖像都應用到當前的背景提取當中，前景置為255，背景置為0# 形態學中開運算去掉噪音點fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)# 尋找視頻中的輪廓im, contours, hierarchy = cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)for c in contours:# 計算各輪廓的周長perimeter = cv2.arcLength(c, True) # 計算各輪廓的周長if perimeter > 188:# 找到一個直矩陣(不會旋轉)x, y, w, h = cv2.boundingRect(c)# 畫出這個矩陣cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.imshow('frame', frame)cv2.imshow('fgmask', fgmask)k = cv2.waitKey(150) & 0xffif k == 27: # 表示Esc退出breakcap.release() cv2.destroyAllWindows()

總結

以上是生活随笔為你收集整理的唐宇迪opencv-背景建模的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。