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
甲维斯29 分钟前
坦克大战测试全翻车了!豆包,DeepSeek,Qwen,GPT,Claude
前端·人工智能·游戏开发
若丶相见43 分钟前
AI 大模型零基础知识扫盲
人工智能
猿人谷2 小时前
不只是 CPU 阈值:STAR 如何用 GAT + Transformer 做容器级自动扩缩容?
人工智能·算法
说了很好3 小时前
PyTorch从零搭建DDPM:时间嵌入+UNet网络+扩散调度完整复现
人工智能
Bigfish_coding3 小时前
前端转agent-【python】-06 长期记忆(向量数据库 + 嵌入)
人工智能
小林ixn3 小时前
别再手写Prompt了!用AI Loop实现自动化自我迭代,效率提升10倍
人工智能·自动化运维
说了很好3 小时前
逐行注释DDPM源码:正向加噪、逆向去噪、MSE损失全流程复现
人工智能
Dilee3 小时前
Spring AI 1.1.7 接入 MCP:Filesystem Server 最小 Demo
人工智能·后端
Token炼金师3 小时前
大模型推理超参数原理详解
人工智能
Token炼金师3 小时前
大模型训练超参数:从Loss曲面到收敛策略的底层逻辑
人工智能