OpenCV自学笔记9：视频的背景分割

视频的背景分割

本文用到的视频traffic.flv，来源于原作者Github，地址为：
https://github.com/techfort/pycv/tree/master/chapter8/surveillance_demo

OpenCV中有几种背景分割器(Background Subtractor)，这里使用最常用的两种:
K-Nearest (KNN)
Mixture of Gaussian (MOG2)

————————————————–

KNN背景分割器的小例子

# -*- coding:utf-8 -*-

import cv2

# Step1. 构造VideoCapture对象
cap = cv2.VideoCapture('video/traffic.flv')

# Step2. 创建一个背景分割器
# createBackgroundSubtractorKNN()函数里，可以指定detectShadows的值
# detectShadows=True，表示检测阴影，反之不检测阴影
knn = cv2.createBackgroundSubtractorKNN(detectShadows=True)

while True :
    ret, frame = cap.read() # 读取视频
    fgmask = knn.apply(frame) # 背景分割
    cv2.imshow('frame', fgmask) # 显示分割结果
    if cv2.waitKey(100) & 0xff == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

程序的运行效果如下：

————————————————–

MOG2背景分割器的小例子

# -*- coding:utf-8 -*-

import cv2

# Step1. 构造VideoCapture对象
cap = cv2.VideoCapture('video/traffic.flv')

# Step2. 创建一个背景分割器
# createBackgroundSubtractorMOG2()函数里，可以指定detectShadows的值
# detectShadows=True，表示检测阴影，反之不检测阴影
mog = cv2.createBackgroundSubtractorMOG2()

while True :
    ret, frame = cap.read() # 读取视频
    fgmask = mog.apply(frame) # 背景分割
    cv2.imshow('frame', fgmask) # 显示分割结果
    if cv2.waitKey(100) & 0xff == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

MOG2 背景分割器采用高斯自适应模型，详细介绍见：http://blog.youkuaiyun.com/u010696366/article/details/41516871

那么上一段代码的运行效果如下：

从上面的结果中可以看出，OpenCV提供的这两个背景分割器，都能很精确地将道路上的汽车区分出来。现在，我们在原始视频上，将汽车用矩形框勾圈起来，实现跟踪的效果。

————————————————–

运动检测跟踪的小例子

# -*- coding:utf-8 -*-

import cv2

# Step1. 初始化VideoCapture对象
cap = cv2.VideoCapture('video/traffic.flv')

# Step2. 使用KNN背景分割器
knn= cv2.createBackgroundSubtractorKNN(detectShadows=True)

while True :
    ret, frame = cap.read()
    fgmask = knn.apply(frame) # 分割背景

    # 阈值化，将非纯白色（244~255）的所有像素设为0
    th = cv2.threshold(fgmask.copy(), 244, 255, cv2.THRESH_BINARY)[1]

    # 为了使效果更好，进行一次膨胀
    dilated = cv2.dilate(th, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3)), iterations=2)

    # 检测轮廓
    image, contours, hier = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 绘制轮廓
    for c in contours:
        if cv2.contourArea(c) > 1600:
            (x,y,w,h) = cv2.boundingRect(c)
            cv2.rectangle(frame, (x,y), (x+w, y+h), (0,255,0), 2)

    cv2.imshow('detection', frame)
    if cv2.waitKey(100) & 0xff == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

不到30行，就能实现如下的效果：

今天就先学到这里~~