weixin_55737425的博客

不同与之前的背景分割的追踪方法，MeanShift从背景以及前景物体两方面进行建模。 在程序一开始设定感兴趣的区域，并初始化滑动窗口用于后续的绘制。利用计算的直方图进行反映射，越亮的区域表示感兴趣的区域（即希望追踪的区域） 程序如下，需要修改你感兴趣的区域的图像的大致位置。 其余函数各参数的含义均已经注释。 # 在之前的背景差分检测物体中，只是对背景建立某种模型，一旦摄像头本身发生移动，整个背景模型都会过时 # 我们希望区分所关注的物体与其他物体，即使路径上存在交叉 # 实质上是一种聚类算法，

相比与基本背景差分器，MOG能够不断更新背景图像，从而能够更好地应对摄像头的运动以及光线变化带来的影响。 简而言之，原来的算法太过死板，从头到尾都是用的同一个背景图像用于对比，而MOG会随时间变化，更新用于对比的背景，实际效果更好。 # MOG背景差分器 # MOG背景差分器中取消了高斯模糊的操作 import cv2 # 定义运算的核算子 erode_kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) dilate_kerne

利用Opencv实现物体的跟踪（1）