计算机视觉实战(十五)背景建模 (附完整代码)
帧差法
由于场景中的目标在运动,目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。
帧差法非常简单,但是会引入噪音和空洞问题。
混合高斯模型
在进行前景检测前,先对背景进行训练,对图像中每个背景采用一个混合高斯模型进行模拟,每个背景的混合高斯的个数可以自适应。然后在测试阶段,对新来的像素进行GMM匹配,如果该像素值能够匹配其中一个高斯,则认为是背景,否则认为是前景。由于整个过程GMM模型在不断更新学习中,所以对动态背景有一定的鲁棒性。最后通过对一个有树枝摇摆的动态背景进行前景检测,取得了较好的效果。
在视频中对于像素点的变化情况应当是符合高斯分布。
背景的实际分布应当是多个高斯分布混合在一起,每个高斯模型也可以带有权重:
混合高斯模型学习方法:
- 首先初始化每个高斯模型矩阵参数。
- 取视频中T帧数据图像用来训练高斯混合模型。来了第一个像素之后用它来当做第一个高斯分布。
- 当后面来的像素值时,与前面已有的高斯的均值比较,如果该像素点的值与其模型均值差在3倍的方差内,则属于该分布,并对其进行参数更新。
- 如果下一次来的像素不满足当前高斯分布,用它来创建一个新的高斯分布。
混合高斯模型测试方法
在测试阶段,对新来像素点的值与混合高斯模型中的每一个均值进行比较,如果其差值在2倍的方差之间的话,则认为是背景,否则认为是前景。将前景赋值为255,背景赋值为0。这样就形成了一副前景二值图。
代码实现
import numpy as np
import cv2#经典的测试视频
cap = cv2.VideoCapture('test.avi')
#形态学操作需要使用
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
#创建混合高斯模型用于背景建模
fgbg = cv2.createBackgroundSubtractorMOG2()while(True):ret, frame = cap.read()fgmask = fgbg.apply(frame)#形态学开运算去噪点fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)#寻找视频中的轮廓im, contours, hierarchy = cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)for c in contours:#计算各轮廓的周长perimeter = cv2.arcLength(c,True)if perimeter > 188:#找到一个直矩形(不会旋转)x,y,w,h = cv2.boundingRect(c)#画出这个矩形cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)cv2.imshow('frame',frame)cv2.imshow('fgmask', fgmask)k = cv2.waitKey(150) & 0xffif k == 27:breakcap.release()
cv2.destroyAllWindows()
实验效果
大体的实验效果如下图所示:
完整代码:https://github.com/ZhiqiangHo/Opencv-Computer-Vision-Practice-Python-
我的微信公众号名称:深度学习与先进智能决策
微信公众号ID:MultiAgent1024
公众号介绍:主要研究分享深度学习、机器博弈、强化学习等相关内容!期待您的关注,欢迎一起学习交流进步!
计算机视觉实战(十五)背景建模 (附完整代码)相关推荐
- Android实战:网易新闻(附完整代码)
一.源码地址:https://github.com/ambition-hb/News_1 二.部分内容效果图如下: (1)广告页面 (2)新闻界面 (3)热点新闻 (4)热点新闻详情界面 (5)新闻页 ...
- 知识图谱实战案例完全剖析(附完整源码和数据集)-张子良-专题视频课程
知识图谱实战案例完全剖析(附完整源码和数据集)-2070人已学习 课程介绍 课程定位:系统学习知识图谱的佳实践: 系统学习:完全覆盖知识建模.图数据库.知识应用和知识获取: 实战指引: ...
- python代码手机壁纸_Python制作微信好友背景墙教程(附完整代码)
引言 前段时间,微信朋友圈开始出现了一种晒照片新形式,微信好友墙,即在一张大图片中展示出自己的所有微信好友的头像. 效果如下图,出于隐私考虑,这里作了模糊处理. 是不是很炫,而且这还是独一无二的,毕竟 ...
- 对“科大讯飞2021丨广告点击率预估挑战赛 Top1方案(附完整代码)_Jack_Yang的博客-CSDN博客”的补充。
这篇文章的初衷是针对科大讯飞2021丨广告点击率预估挑战赛 Top1方案(附完整代码)_Jack_Yang的博客-CSDN博客进行补充. 博客的信息量很少,对任务背景的介绍也不太对,说实话令人费解.我 ...
- php 3d animation,css3D+动画的例子(附完整代码)
本篇文章给大家带来的内容是关于css3D+动画的例子(附完整代码),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. 前言 最近玩了玩用css来构建3D效果,写了几个demo,所以博客总 ...
- c++ 三次多项式拟合_线性回归进阶版,多项式线性回归讲解与实现(附完整代码)...
每天给小编五分钟,小编用自己的代码,带你轻松学习深度学习!本文将会带你做完一个深度学习进阶版的线性回归---多项式线性回归,带你进一步掌握线性回归这一深度学习经典模型,然后在此基础上,小编将在下篇文章 ...
- Three.js实例详解___旋转的精灵女孩(附完整代码和资源)(一)
Three.js实例详解___旋转的精灵女孩(附完整代码和资源)(一) 本文目录: 一.[旋转的精灵女孩]案例运行效果 二.Three.js简介 三.Three.js代码正常运行显示条件 (1)不载入 ...
- java抽奖_JAVA实现用户抽奖功能(附完整代码)
需求分析 1)实现三个基本功能:登录.注册.抽奖. 2)登录:用户输入账号密码进行登录,输入账号后会匹配已注册的用户,若输入用户不存在则退出,密码有三次输入机会,登录成功后主界面会显示已登录用户的账号 ...
- 数学分析模型(一):数据的无量纲处理方法及示例(附完整代码)
数据的无量纲处理方法及示例(附完整代码) (1)极值化方法 (2)标准化方法 (3)均值化方法 示例 要求 建模步骤 程序 结果 备注 在对实际问题建模过程中,特别是在建立指标评价体系时,常常会面临不 ...
- 五子棋java百度文库_JAVA课程设计 五子棋(内附完整代码).doc
JAVA课程设计 五子棋(内附完整代码) JAVA课程设计 设计题目:五子棋游戏 简要的介绍五子棋 五子棋的起源 五子棋,又被称为"连五子.五子连.串珠.五目.五目碰.五格.五石.五法.五联 ...
最新文章
- 三十七、页面置换算法
- 【c语言】数组逆序排列
- windows10远程桌面连接及问题解决
- 机械制造技术学习笔记(七)
- 复习笔记(二)——C++面向对象设计和使用
- python itchat库安装_操作微信-itchat库的安装
- oralce load的时候使用触发器会导致load慢吗_一次FGC导致CPU飙高的排查过程
- JavaScript实现创建自定义对象的常用方式总结
- Refused to display http localhost8080 xxx‘in a frame because it set ‘X-Frame-Options‘ to ‘DENY‘
- django 配置mysql_Django配置MySQL数据库方法
- C语言学习记录_2019.02.10
- qt中c语言运行中文字体乱码,QString 与中文问题/Qt界面中文字体及大小设置
- Typora自动上传图片
- python做数据挖掘_python 数据挖掘
- 港大HKU邮箱(connect.hku.hk)添加至iphone 自带邮箱方法
- java打印字符串显示_JAVA调用系统打印机打印字符串
- jvm参数调优_3_问题排查
- MATLAB操作:从.mat中删除变量
- Fabric.js 图形标注
- I-000 智能家居系列--需求梳理
热门文章
- [转帖]Mootools源码分析-23 -- Selectors-2
- 华为/华三:OSPF多区域配置
- K8s CKS认证学习全套笔记
- 服务器利用docker搭建CTFd平台、webug靶场,并映射到公网IP
- 进程与线程之间的区别与联系
- 选择排序是外面循环的array[i]与内循环的array[j]比较。冒泡排序是内循环的相邻两个值做比较修改...
- 列表生成式、生成器表达式、模块导入
- 学长们的求职血泪史(C/C++/JAVA)
- python xml.etree.ElementTree
- [置顶] ibatis框架----控制台输出SQL语句