Python 官方文档:入门教程 => 点击学习
理论背景分离(BS)是一种通过使用静态相机来生成前景掩码(包含属于场景中的移动对象像素的二进制图像)的常用技术顾名思义,BS计算前景掩码,在当前帧与背景模型之间执行减法运算,其中包含场景的静态部分,考虑到所观察场景的特征,可以将其视为背景的
背景分离(BS)是一种通过使用静态相机来生成前景掩码(包含属于场景中的移动对象像素的二进制图像)的常用技术
顾名思义,BS计算前景掩码,在当前帧与背景模型之间执行减法运算,其中包含场景的静态部分,考虑到所观察场景的特征,可以将其视为背景的所有内容。
背景建模包括两个主要步骤:
1.背景初始化
2.背景更新 第一步,计算背景的初始模型,在第二步中,更新模型以适应场景中可能的变化
让用户选择处理视频文件或图像序列。在此示例中,将使用cv2.BackgroundSubtractORMOG2
生成前景掩码。
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
分析上面代码的主要部分:
cv2.BackgroundSubtractor
对象将用于生成前景掩码。在此示例中,使用了默认参数,但是也可以在create
函数中声明特定的参数。
# create Background Subtractor objects KNN or MOG2
if args.algo == 'MOG2':
backSub = cv2.createBackgroundSubtractorMOG2()
else:
backSub = cv2.createBackgroundSubtractorKNN()
cv2.VideoCapture
对象用于读取输入视频或输入图像序列
capture = cv2.VideoCapture(args.input)
if not capture.isOpened:
print('Unable to open: ' + args.input)
exit(0)
每帧都用于计算前景掩码和更新背景。如果要更改用于更新背景模型的学习率,可以通过将参数传递给apply
方法来设置特定的学习率
# update the background model
fgMask = backSub.apply(frame)
当前帧编号可以从cv2.Videocapture
对象中提取,并在当前帧的左上角冲压。使用白色矩形来突出显示黑色框架号
# 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))
显示当前的输入帧和结果
# show the current frame and the fg masks
cv2.imshow('Frame', frame)
cv2.imshow('FG Mask', fgMask)
--结束END--
本文标题: python OpenCV怎么使用背景分离方法
本文链接: https://lsjlt.com/news/210570.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0