GMM背景建模与前景提取

最新推荐文章于 2021-03-21 19:48:49 发布

原创

最新推荐文章于 2021-03-21 19:48:49 发布 · 979 阅读

0 ·

CC 4.0 BY-SA版权

本文深入探讨了使用高斯混合模型（GMM）进行背景建模的方法，详细阐述了如何通过GMM区分背景与前景，进而实现有效的前景物体检测。通过实例分析，展示了GMM在视频监控等领域的应用及其优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/video/background_segm.hpp>

#include <iostream>
#include <vector>
#include <string>

using namespace std;
using namespace cv; 

int main()
{
    string file = "/home/zhanghan/itemloss/myself/video/2.mp4";
    VideoCapture cap(file);

    Mat frame,frameGray;
    Mat foreground,fgmask;
    Mat bgimg;

    Ptr<BackgroundSubtractorMOG2> mog = createBackgroundSubtractorMOG2();
                                                                                      
    bool success = true;
    int num = 1;
    while(success)
    {   
        if(!cap.read(frame))
            success = false;
        mog->apply(frame,fgmask,-1);
        mog->getBackgroundImage(bgimg);
        string name = "cap_" + to_string(num) + ".jpg";
        imwrite(name,fgmask);