基于opencv的BackgroundSubtractorMOG2目标追踪

最新推荐文章于 2022-05-31 10:12:01 发布

莫谈天下

最新推荐文章于 2022-05-31 10:12:01 发布

阅读量2w

点赞数 12

分类专栏：计算机视觉视频追踪文章标签：算法 opencv 对象

本文链接：https://blog.youkuaiyun.com/zhangyonggang886/article/details/51638655

版权

本文介绍了基于OpenCV的BackgroundSubtractorMOG2算法，这是一种基于高斯混合模型的背景/前景分割技术，适用于场景变化的情况。通过选择每个像素的适当数量的高斯分布，该算法能更好地适应亮度变化导致的场景变化。在Python和C++中，作者展示了如何实现视频追踪，并提供了相应的代码示例。虽然当前代码未完全注释，但作者承诺后续将进行完善。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文为原创，转载请表明出处，谢谢！
BackgroundSubtractorMOG2是以高斯混合模型为基础的背景/前景分割算法。它是以2004年和2006年Z.Zivkovic的两篇文章为基础的。这个算法的一个特点是它为每一个像素选择一个合适数目的高斯分布。（上一个方法中我们使用是K高斯分布）。这样就会对由于亮度等发生变化引起的场景变化产生更好的适应。和前面一样我们需要创建一个背景对象。但在这里我们我们可以选择是否检测阴影。如果detectShadows = True（默认值），它就会检测并将影子标记出来，但是这样做会降低处理速度。影子会被标记为灰色。

这里我们采用opencv实现视频追踪，对于opencv的安装、配置和使用，网上有很多教程，我们这里就不在说明。如果你对opencv不太了解，请自行查资料学习。话归正题，这里我将会分别从Python和c++实现BackgroundSubtractorMOG2，我使用的是opencv3.1linux版本。
Python代码：

import numpy as np
import cv2
import time
import datetime

cap = cv2.VideoCapture(0)

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
fgbg = cv2.createBackgroundSubtractorMOG2()
fourcc = cv2.VideoWriter_fourcc(*'XVID')
frame1 = np.zeros((640,480))
out = cv2.VideoWriter(datetime.datetime.now().strftime("%A_%d_%B_%Y_%I_%M_%S%p")+'.avi',fourcc, 5.0, np.shape(frame1))

while(1):
    ret, frame = cap.read()
    fgmask = fgbg.apply(frame)
    (_,cnts, _) = cv2.findContours(fgmask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    maxArea = 0

最低0.47元/天解锁文章