OpenCV 中用于背景分割(背景建模)的一个类cv::bgsegm::BackgroundSubtractorGSOC

  • 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

cv::bgsegm::BackgroundSubtractorGSOC 是 OpenCV 中用于背景分割(背景建模)的一个类,它是基于 GMM(Gaussian Mixture Model)改进的算法。GSOC 指的是 Google Summer of Code 项目,其中这个背景减除算法被开发并集成到了 OpenCV 的 bgsegm 模块中。

主要特点

  • 改进的 GMM 算法:基于 Z.Zivkovic 的自适应高斯混合模型,并在此基础上进行了优化。
  • 颜色和梯度信息:不仅使用颜色信息,还利用了图像梯度来提高前景检测的准确性。
  • 适应性强:能够很好地适应光照变化和其他环境变化。
  • 参数可调:允许用户通过调整多个参数来优化背景建模过程。

构造函数

与大多数现代 OpenCV 背景减除器一样,不直接使用构造函数创建 BackgroundSubtractorGSOC 实例,而是通过工厂方法 cv::bgsegm::createBackgroundSubtractorGSOC() 来创建实例。

cpp 复制代码
Ptr<BackgroundSubtractorGSOC> cv::bgsegm::createBackgroundSubtractorGSOC
(
    int mc = 3,
    bool nSamples = 20,
    float replaceRate = 0.003f,
    float propagationRate = 0.01f,
    bool hitsThreshold = 32,
    float alpha = 0.01f,
    float beta = 0.0022f,
    float blinkingSupressionDecay = 0.1f,
    float blinkingSupressionMultiplier = 0.1f,
    float noiseRemovalThresholdFacBG = 0.0004f,
    float noiseRemovalThresholdFacFG = 0.0008f
);

参数:

  • mc: 每个像素的最大成分数量,默认值为 3。
  • nSamples: 需要初始化的样本数,默认值为 20。
  • replaceRate: 新样本替换旧样本的概率,默认值为 0.003。
  • propagationRate: 成分传播的概率,默认值为 0.01。
  • hitsThreshold: 前景判断的命中阈值,默认值为 32。
  • alpha: 学习率,默认值为 0.01。
  • beta: 背景更新速率,默认值为 0.0022。
  • blinkingSupressionDecay: 闪烁抑制衰减因子,默认值为 0.1。
  • blinkingSupressionMultiplier: 闪烁抑制乘数,默认值为 0.1。
  • noiseRemovalThresholdFacBG: 背景噪声移除阈值因子,默认值为 0.0004。
  • noiseRemovalThresholdFacFG: 前景噪声移除阈值因子,默认值为 0.0008。

主要函数

apply函数

函数原型
cpp 复制代码
void apply
(
	InputArray image, OutputArray fgmask, double learningRate=-1
);
参数
  • image: 输入当前帧。
  • fgmask: 输出前景掩码图像。
  • learningRate: 学习率,决定了新获取的信息对模型的影响速度。默认值 -1 表示自动选择学习率。

getBackgroundImage函数

函数原型
cpp 复制代码
void getBackgroundImage
(
	OutputArray backgroundImage
) const;
参数
  • backgroundImage: 输出背景图像。

代码示例

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

int main()
{
    cv::VideoCapture cap( 0 );  // 打开摄像头
    if ( !cap.isOpened() )
    {
        std::cerr << "无法打开摄像头!" << std::endl;
        return -1;
    }

    // 创建 GSOC 背景减除器
    cv::Ptr< cv::bgsegm::BackgroundSubtractorGSOC > bgSubtractor = cv::bgsegm::createBackgroundSubtractorGSOC();

    cv::Mat frame, fgMask;

    while ( true )
    {
        cap >> frame;  // 获取新帧
        if ( frame.empty() )
            break;  // 到达视频结尾

        bgSubtractor->apply( frame, fgMask );  // 应用背景减除器

        cv::imshow( "Original Frame", frame );
        cv::imshow( "Foreground Mask", fgMask );

        if ( cv::waitKey( 30 ) >= 0 )
            break;  // 按任意键退出
    }

    return 0;
}

运行结果

白色的是运动的物体

相关推荐
德迅云安全—珍珍11 小时前
2026 年网络安全预测:AI 全面融入实战的 100+行业洞察
人工智能·安全·web安全
数新网络13 小时前
CyberScheduler —— 打破数据调度边界的核心引擎
人工智能
Codebee13 小时前
Ooder框架8步编码流程实战 - DSM组件UI统计模块深度解析
人工智能
Deepoch13 小时前
智能升级新范式:Deepoc开发板如何重塑康复辅具产业生态
人工智能·具身模型·deepoc·智能轮椅
赋创小助手13 小时前
融合与跃迁:NVIDIA、Groq 与下一代 AI 推理架构的博弈与机遇
服务器·人工智能·深度学习·神经网络·语言模型·自然语言处理·架构
静听松涛13313 小时前
多智能体协作中的通信协议演化
人工智能
基咯咯13 小时前
Google Health AI发布MedASR:Conformer 医疗语音识别如何服务临床口述与对话转写
人工智能
白日做梦Q14 小时前
深度学习模型评估指标深度解析:不止于准确率的科研量化方法
人工智能·深度学习
Yyyyy123jsjs14 小时前
外汇Tick数据交易时段详解与Python实战分析
人工智能·python·区块链
张彦峰ZYF14 小时前
提示词工程实战指南:从概念认知到可验证的高质量 Prompt 设计
人工智能·提示词工程实战指南·高质量 prompt 设计