OpenCV混合高斯背景建模

最新推荐文章于 2024-12-19 11:13:48 发布

原创最新推荐文章于 2024-12-19 11:13:48 发布 · 2.5k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #MOG #背景建模

OpenCV 专栏收录该内容

15 篇文章

订阅专栏

本文介绍了一个基于OpenCV的混合高斯背景建模(MOG)实例，演示了如何使用MOG进行视频背景减除并检测前景物体，提供了一段完整的C++代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要内容是一个混合高斯背景建模[1]的OpenCV例子。
想要了解MOG原理可以参考混合高斯背景建模原理及实现

OpenCV的MOG例子代码如下：

#include "stdafx.h"
#include <cv.h>
#include <highgui.h>
#include <math.h>
#include <time.h>
#include <iostream>
#include <fstream>
#include <Windows.h>  
#include <opencv2/opencv.hpp> 

using namespace cv;  
using namespace std;

bool pause = false;//是否暂停
int frameNum = 0;

int main()
{
    uchar key = false;//用来设置暂停

    VideoCapture video("test2.avi"); 
    //Mat frame,mask,thresholdImage,output;
    Mat frame,mask;
    video>>frame;
    //bgSubtractor(history,nmixtures,backgroundRatio,noiseSigma)  
    BackgroundSubtractorMOG bgSubtractor(5,2,0.75,false);

    while(true){
        video>>frame;
        ++frameNum;
        //bgSubtractor(当前帧，二值图，学习率);
        bgSubtractor(frame,mask,0.01);
        imshow("frame",frame);
        imshow("mask",mask);
        waitKey(20);

        //按键P切换暂停和播放
        key = cvWaitKey(1);
        if(key == 'p') pause = true;
        while(pause)
            if(cvWaitKey(0)=='p')
                pause = false;  
    }

    return 0;
}

构造函数可以使用默认构造函数或带形参的构造函数，调用的接口只有重载操作符()：

//! the default constructor
CV_WRAP BackgroundSubtractorMOG();
//! the full constructor that takes the length of the history, the number of gaussian mixtures, the background ratio parameter and the noise strength
CV_WRAP BackgroundSubtractorMOG(int history, int nmixtures, double backgroundRatio, double noiseSigma=0);
//! the destructor
virtual ~BackgroundSubtractorMOG();
//! the update operator
virtual void operator()(InputArray image, OutputArray fgmask, double learningRate=0);

函数调用所涉及到的参数得根据实际应用场景进行调整，下面几张图只是简单的前景检测结果：

参考资料：

[1] KaewTraKulPong, Pakorn, and Richard Bowden. “An improved adaptive background mixture model for real-time tracking with shadow detection.” Video-Based Surveillance Systems. Springer US, 2002. 135-144. 引用次数：1228