详解python  OpenCV如何使用背景分离方法

2023-05-17 17:05:08 分离 如何使用 详解

目标

在本章中，将学习：

  • 背景分离(Background Subtraction)
  • OpenCV函数cv2.VideoCapture， cv2.BackgroundSubtractor

理论

  • 背景分离（BS）是一种通过使用静态相机来生成前景掩码（包含属于场景中的移动对象像素的二进制图像）的常用技术
  • 顾名思义，BS计算前景掩码，在当前帧与背景模型之间执行减法运算，其中包含场景的静态部分，考虑到所观察场景的特征，可以将其视为背景的所有内容。

  • 背景建模包括两个主要步骤：
    • 1.背景初始化
    • 2.背景更新 第一步，计算背景的初始模型，在第二步中，更新模型以适应场景中可能的变化

实现

让用户选择处理视频文件或图像序列。在此示例中，将使用cv2.BackgroundSubtractORMOG2 生成前景掩码。

from __future__ import print_function
import cv2
import argparse
parser = argparse.ArgumentParser(
            description='This program shows how to use background subtraction methods provided by OpenCV. You can process both videos and images.')
parser.add_argument('--input', type=str, help='Path to a video or a sequence of image.', default='vtest.avi')
parser.add_argument('--alGo', type=str, help='Background subtraction method (KNN, MOG2).', default='MOG2')
args = parser.parse_args()
## [create]
# create Background Subtractor objects
if args.algo == 'MOG2':
    backSub = cv2.createBackgroundSubtractorMOG2()
else:
    backSub = cv2.createBackgroundSubtractorKNN()
## [create]
## [capture]
capture = cv2.VideoCapture(args.input)
if not capture.isOpened():
    print('Unable to open: ' + args.input)
    exit(0)
## [capture]
while True:
    ret, frame = capture.read()
    if frame is None:
        break
    ## [apply]
    # update the background model
    fgMask = backSub.apply(frame)
    ## [apply]
    ## [display_frame_number]
    # get the frame number and write it on the current frame
    cv2.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)
    cv2.putText(frame, str(capture.get(cv2.CAP_PROP_POS_FRAMES)), (15, 15),
               cv2.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))
    ## [display_frame_number]
    ## [show]
    # show the current frame and the fg masks
    cv2.imshow('Frame', frame)
    cv2.imshow('FG Mask', fgMask)
    ## [show]
    keyboard = cv2.waiTKEy(30)
    if keyboard == 'q' or keyboard == 27:
        break

代码分析

分析上面代码的主要部分：

  • cv2.BackgroundSubtractor对象将用于生成前景掩码。在此示例中，使用了默认参数，但是也可以在create函数中声明特定的参数。
# create Background Subtractor objects  KNN or MOG2
if args.algo == 'MOG2':
    backSub = cv2.createBackgroundSubtractorMOG2()
else:
    backSub = cv2.createBackgroundSubtractorKNN()
  • cv2.VideoCapture对象用于读取输入视频或输入图像序列
capture = cv2.VideoCapture(args.input)
if not capture.isOpened:
    print('Unable to open: ' + args.input)
    exit(0)
  • 每帧都用于计算前景掩码和更新背景。如果要更改用于更新背景模型的学习率，可以通过将参数传递给apply方法来设置特定的学习率
# update the background model
    fgMask = backSub.apply(frame)
  • 当前帧编号可以从cv2.Videocapture对象中提取，并在当前帧的左上角冲压。使用白色矩形来突出显示黑色框架号
 # get the frame number and write it on the current frame
    cv2.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)
    cv2.putText(frame, str(capture.get(cv2.CAP_PROP_POS_FRAMES)), (15, 15),
               cv2.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))
  • 显示当前的输入帧和结果
# show the current frame and the fg masks
    cv2.imshow('Frame', frame)
    cv2.imshow('FG Mask', fgMask)

结果

  • frame

  • 程序的输出将作为MOG2方法的以下内容（灰色区域被检测到的阴影）：

  • 程序的输出将视为knn方法的以下内容（灰色区域被检测到的阴影）

附加资源

  • cv2.VideoCapture
  • cv2.BackgroundSubtractor
  • docs.opencv.org/4.1.2/d1/dc…
  • Background Models Challenge (BMC) WEBsite
  • A Benchmark Dataset for Foreground/Background Extraction

以上就是OpenCV如何使用背景分离方法的详细内容，更多关于OpenCV背景分离的资料请关注其它相关文章！

相关文章