OpenCV使用MOG和KNN实现视频背景消除建模(背景差分)

本文主要是介绍OpenCV使用MOG和KNN实现视频背景消除建模(背景差分)，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、概述

　　案例：使用MOG和KNN实现视频背景消除建模，使用OpenCV中的createBackgroundSubtractorMOG()和createBackgroundSubtractorKNN()来实现

　　1.createBackgroundSubtractorMOG()参数介绍：

Ptr<BackgroundSubtractorMOG2>
    createBackgroundSubtractorMOG2(int history=500, double varThreshold=16,
                                   bool detectShadows=true);
history:用于训练背景的帧数，默认帧数为500帧，如果不动手设置learingRate,history就被用于计算当前的learningRate, 此时history越大，learningRate越小，背景更新越慢
varThreshold:方差阈值，用于判断当前像素是前景还是背景。一般默认为16，如果光照变化明显，如阳光下的水面，建议设为25，值越大灵敏度越低。
deteShadows:是否检测影子，设为true为检测，false为不检测，检测影子会增加程序时间复杂度，一般设置为false


BackgroundSubstractorMOG2->apply(src, fmask, learningRate);
src:源图像
fmask：差分图像
learningRate：学习速率，值为0-1,为0时背景不更新，为1时逐帧更新，默认为-1，即算法自动更新；

　　2.createBackgroundSubtractorKNN()参数介绍：

createBackgroundSubtractorKNN(int history=500, double dist2Threshold=400.0,
                                   bool detectShadows=true);
history：用于训练背景的帧数，默认帧数为500帧，如果不动手设置learingRate,history就被用于计算当前的learningRate, 此时history越大，learningRate越小，背景更新越慢
dist2Threshold:方差阈值，用于判断当前像素是前景还是背景。一般默认为400，值越大灵敏度越低。
detectShadows:是否检测影子，设为true为检测，false为不检测，检测影子会增加程序时间复杂度，一般设置为false

　BackgroundSubstractorMOG2->apply(src, fmask, learningRate);
　src:源图像
　fmask：差分图像
　learningRate：学习速率，值为0-1,为0时背景不更新，为1时逐帧更新，默认为-1，即算法自动更新；

　　实现此算法的步骤：

　　1.创建VideoCapture

　　2.使用open方法打开视频

　　3.创建creteBackgroundSubtractorKNN()/createBackgrondSubtractorMOG()

　　4.while循环读取视频数据

　　5.在循环体内执行apply方法生成差分

　　6.显示差分图像

　　7.完成

二、代码示例

1.MOG算法实现差分：

 VideoCapture capture;
    capture.open(filePath);
    if(!capture.isOpened()){
        qDebug()<<"无法打开视频文件";
        return;
    }
    Mat frame;
    Mat bsMaskMOG;
    Ptr<BackgroundSubtractor> mogSub = createBackgroundSubtractorMOG2(100,25,false);
    Mat kernel = getStructuringElement(MORPH_RECT,Size(3,3));
    while(capture.read(frame)){
        mogSub->apply(frame,bsMaskMOG);
        morphologyEx(bsMaskMOG,bsMaskMOG,MORPH_OPEN,kernel);//使用形态学操作消除白点
        imshow("mog",bsMaskMOG);
        waitKey(100);
    }
    capture.release();

2.KNN算法实现差分：

VideoCapture capture;
    capture.open(filePath);
    if(!capture.isOpened()){
        qDebug()<<"无法打开视频文件";
        return;
    }
    Mat frame;
    Mat knnMask;
    Mat kernel = getStructuringElement(MORPH_RECT,Size(3,3));
    Ptr<BackgroundSubtractor> knnSub = createBackgroundSubtractorKNN();
    while(capture.read(frame)){
        knnSub->apply(frame,knnMask);
        morphologyEx(knnMask,knnMask,MORPH_OPEN,kernel);
        imshow("knn",knnMask);
        waitKey(100);
    }
    capture.release();

三、演示图片

ps:图片如何侵权请联系我，我立马删除

这篇关于OpenCV使用MOG和KNN实现视频背景消除建模(背景差分)的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！