OpenCV视觉分析之运动分析背景减除类BackgroundSubtractor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

背景/前景分割的基类:

这个类仅用于定义整个背景/前景分割算法家族的共同接口

cv::BackgroundSubtractor 是 OpenCV 中用于背景减除的基类。它定义了一个接口,用于实现各种背景减除算法。这个基类包含了所有背景减除算法共同的操作,如初始化、处理帧以获得前景掩码、更新背景模型等。

背景减除(Background Subtraction)是一种用于视频分析的技术,主要用于检测和分割前景物体(即移动物体),以从连续的视频帧中分离出背景部分。这种方法基于一个假设:视频中的大部分区域在大多数时间内是相对静止的,这些区域被视为背景;而前景则是相对于背景发生移动的对象。

成员函数apply()

计算一个前景掩码。

函数原型

cpp 复制代码
virtual void cv::BackgroundSubtractor::apply	
(
	InputArray 	image,
	OutputArray 	fgmask,
	double 	learningRate = -1 
)		

参数

  • 参数image 下一个视频帧。
  • 参数fgmask 输出的前景掩码,作为一个8位的二值图像。
  • 参数learningRate 一个介于0和1之间的值,表示背景模型的学习速度。负参数值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意味着背景模型完全从最后一帧重新初始化

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

int main( int argc, char** argv )
{
    // 创建一个背景减除器实例
    cv::Ptr< cv::BackgroundSubtractor > pBackSub = cv::createBackgroundSubtractorMOG2();

    // 设置参数
    
    // 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

视频中那个玉竹是在摆动的状态

相关推荐
产品人卫朋3 分钟前
卫朋:IPD流程落地 - 市场地图拆解篇
大数据·人工智能·物联网
沛沛老爹23 分钟前
跨平台Agent Skills开发:适配器模式赋能提示词优化与多AI应用无缝集成
人工智能·agent·适配器模式·rag·企业转型·skills
zhangshuang-peta25 分钟前
适用于MCP的Nginx类代理:为何AI工具集成需要网关层
人工智能·ai agent·mcp·peta
Network_Engineer25 分钟前
从零手写RNN&BiRNN:从原理到双向实现
人工智能·rnn·深度学习·神经网络
想进部的张同学27 分钟前
week1-day5-CNN卷积补充感受野-CUDA 一、CUDA 编程模型基础 1.1 CPU vs GPU 架构线程索引与向量乘法
人工智能·神经网络·cnn
睡醒了叭34 分钟前
目标检测-深度学习-SSD模型项目
人工智能·深度学习·目标检测
冰西瓜60034 分钟前
从项目入手机器学习(五)—— 机器学习尝试
人工智能·深度学习·机器学习
Coding茶水间34 分钟前
基于深度学习的狗品种检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
开发语言·人工智能·深度学习·yolo·目标检测·机器学习
InterestOriented37 分钟前
中老年线上学习发展:兴趣岛“内容+服务+空间”融合赋能下的体验升级
人工智能·学习
人工智能知识库1 小时前
华为HCCDA-AI人工智能入门级开发者题库(带详细解析)
人工智能·华为·hccda-ai题库·hccda-ai