詳解python??OpenCV如何使用背景分離方法
更新時間：2023年04月25日 10:10:36 作者：uncle_ll
這篇文章主要為大家介紹了python?OpenCV如何使用背景分離方法詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
目標(biāo)
在本章中，將學(xué)習(xí)：
- 背景分離(Background Subtraction)
- OpenCv函數(shù)
cv2.VideoCapture，cv2.BackgroundSubtractor
理論
- 背景分離（BS）是一種通過使用靜態(tài)相機(jī)來生成前景掩碼（包含屬于場景中的移動對象像素的二進(jìn)制圖像）的常用技術(shù)
- 顧名思義，BS計(jì)算前景掩碼，在當(dāng)前幀與背景模型之間執(zhí)行減法運(yùn)算，其中包含場景的靜態(tài)部分，考慮到所觀察場景的特征，可以將其視為背景的所有內(nèi)容。
- 背景建模包括兩個主要步驟：
- 1.背景初始化
- 2.背景更新 第一步，計(jì)算背景的初始模型，在第二步中，更新模型以適應(yīng)場景中可能的變化
實(shí)現(xiàn)
讓用戶選擇處理視頻文件或圖像序列。在此示例中，將使用cv2.BackgroundSubtractorMOG2 生成前景掩碼。
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
代碼分析
分析上面代碼的主要部分：
cv2.BackgroundSubtractor對象將用于生成前景掩碼。在此示例中，使用了默認(rèn)參數(shù)，但是也可以在create函數(shù)中聲明特定的參數(shù)。
# create Background Subtractor objects KNN or MOG2
if args.algo == 'MOG2':
backSub = cv2.createBackgroundSubtractorMOG2()
else:
backSub = cv2.createBackgroundSubtractorKNN()
cv2.VideoCapture對象用于讀取輸入視頻或輸入圖像序列
capture = cv2.VideoCapture(args.input)
if not capture.isOpened:
print('Unable to open: ' + args.input)
exit(0)
- 每幀都用于計(jì)算前景掩碼和更新背景。如果要更改用于更新背景模型的學(xué)習(xí)率，可以通過將參數(shù)傳遞給
apply方法來設(shè)置特定的學(xué)習(xí)率
# update the background model
fgMask = backSub.apply(frame)
- 當(dāng)前幀編號可以從
cv2.Videocapture對象中提取，并在當(dāng)前幀的左上角沖壓。使用白色矩形來突出顯示黑色框架號
# 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))
- 顯示當(dāng)前的輸入幀和結(jié)果
# show the current frame and the fg masks
cv2.imshow('Frame', frame)
cv2.imshow('FG Mask', fgMask)
結(jié)果
- frame
- 程序的輸出將作為MOG2方法的以下內(nèi)容（灰色區(qū)域被檢測到的陰影）：
- 程序的輸出將視為knn方法的以下內(nèi)容（灰色區(qū)域被檢測到的陰影）
附加資源
- 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如何使用背景分離方法的詳細(xì)內(nèi)容，更多關(guān)于OpenCV背景分離的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
淺談python裝飾器探究與參數(shù)的領(lǐng)取
下面小編就為大家分享一篇淺談python裝飾器探究與參數(shù)的領(lǐng)取，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2017-12-12
今天小編就為大家分享一篇對pandas中Series的map函數(shù)詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
今天小編就為大家分享一篇python返回?cái)?shù)組的索引實(shí)例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
這篇文章主要介紹了python基本運(yùn)算符,實(shí)例分析了Python中返回一個返回值與多個返回值的方法,需要的朋友可以參考下2021-10-10
Python sklearn KFold 生成交叉驗(yàn)證數(shù)據(jù)集的方法
今天小編就為大家分享一篇Python sklearn KFold 生成交叉驗(yàn)證數(shù)據(jù)集的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
pandas DataFrame 警告(SettingWithCopyWarning)的解決
這篇文章主要介紹了pandas DataFrame 警告(SettingWithCopyWarning)的解決，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
淺談flask中的before_request與after_request
這篇文章主要介紹了淺談flask中的before_request與after_request，小編覺得還是挺不錯的，具有一定借鑒價值，需要的朋友可以參考下2018-01-01
Python?合并/拆分Excel的實(shí)現(xiàn)示例
有時對于多個工作表需要進(jìn)行合并或拆分,以便進(jìn)行瀏覽總結(jié),本文主要介紹了Python?合并/拆分Excel的實(shí)現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下2023-09-09
python實(shí)現(xiàn)微信小程序用戶登錄、模板推送
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)微信小程序用戶登錄、模板推送，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-08-08
numpy庫與pandas庫axis=0，axis= 1軸的用法詳解
這篇文章主要介紹了numpy庫與pandas庫axis=0，axis= 1軸的用法詳解，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-05-05