（OpenCV+Python）--目标跟踪，背景分割器：KNN、MOG2和GMG

OpenCV提供了一个称为BackgroundSubtractor的类，在分割前景和背景时很方便。
在OpenCV3中有三种背景分割器：K-Nearest（KNN）、Mixture of Gaussians（MOG2）、Geometric Multigid（GMG）

BackgroundSubtractor类是专门用于视频分析的，即BackgroundSubtractor类会对每帧的环境进行“学习”。BackgroundSubtractor类常用来对不同帧进行比较，并存储以前的帧，可按时间推移方法来提高运动分析的结果。

import cv2camera = cv2.VideoCapture(0) # 参数0表示第一个摄像头
mog = cv2.createBackgroundSubtractorMOG2()while (1):grabbed, frame_lwpCV = camera.read()fgmask = mog.apply(frame_lwpCV)cv2.imshow('frame', fgmask)key = cv2.waitKey(1) & 0xFF# 按'q'健退出循环if key == ord('q'):break
camera.release()
cv2.destroyAllWindows()

BackgroundSubtractor类的另一个基本特征是它可以计算阴影。这对于精确读取视频帧绝对是至关重要的；通过检测阴影，可以排除检测图像的阴影区域（采用阈值方式），从而能关注实际特征。

import cv2
import numpy as npcamera = cv2.VideoCapture(0) # 参数0表示第一个摄像头
bs = cv2.createBackgroundSubtractorKNN(detectShadows=True)
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
while True:grabbed, frame_lwpCV = camera.read()fgmask = bs.apply(frame_lwpCV) # 背景分割器，该函数计算了前景掩码# 二值化阈值处理，前景掩码含有前景的白色值以及阴影的灰色值，在阈值化图像中，将非纯白色（244~255）的所有像素都设为0，而不是255th = cv2.threshold(fgmask.copy(), 244, 255, cv2.THRESH_BINARY)[1]# 下面就跟基本运动检测中方法相同，识别目标，检测轮廓，在原始帧上绘制检测结果dilated = cv2.dilate(th, es, iterations=2) # 形态学膨胀image, contours, hierarchy = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 该函数计算一幅图像中目标的轮廓for c in contours:if cv2.contourArea(c) > 1600:(x, y, w, h) = cv2.boundingRect(c)cv2.rectangle(frame_lwpCV, (x, y), (x + w, y + h), (255, 255, 0), 2)cv2.imshow('mog', fgmask)cv2.imshow('thresh', th)cv2.imshow('detection', frame_lwpCV)key = cv2.waitKey(1) & 0xFF# 按'q'健退出循环if key == ord('q'):break
# When everything done, release the capture
camera.release()
cv2.destroyAllWindows()

图片从左到右依次为：检测出的运动目标、背景分割、背景分割后阈值化

（OpenCV+Python）--目标跟踪，背景分割器：KNN、MOG2和GMG相关推荐

机器视觉 OpenCV—python目标跟踪（光流）
文章目录一.运动检测 1.1 检测思路 1.2 代码二.运动方向预测 2.1 关键点(角点)追踪 goodFeaturesToTrack() 2.2 光流法一.运动检测 1.1 检测思路目标跟 ...
OpenCV视频目标跟踪及背景分割器
目标跟踪本文主要介绍cv2中的视频分析Camshift和Meanshift. 目标: 学习Meanshift算法和Camshift算法来寻找和追踪视频中的目标物体 Meanshift算法: mean ...
Python+OpenCV利用KNN背景分割器进行静态场景行人检测与轨迹跟踪
前言视频图像中的目标检测与跟踪,是计算机视觉的基础课题,同时具有广泛的应用价值.视觉目标(单目标)跟踪任务就是在给定某视频序列初始帧的目标大小与位置的情况下,预测后续帧中该目标的大小与位置.本篇文章 ...
Python图像处理，cv2模块，OpenCV实现目标跟踪
前言利用Python实现OpenCV目标跟踪.废话不多说. 让我们愉快地开始吧~ 开发工具 Python版本: 3.6.4 相关模块: cv2模块: 以及一些Python自带的模块. 环境搭建安装 ...
Object Tracking using OpenCV (C++/Python)（使用OpenCV进行目标跟踪）
本博客翻译搬运自https://www.learnopencv.com/object-tracking-using-opencv-cpp-python,用于初入目标跟踪的新手学习,转贴请注明! 使用O ...
13 KNN背景分割器
传统的前景背景分割方法有GrabCut,分水岭算法,当然也包括一些阈值分割的算法.但是这些算法在应用中往往显得鲁棒性较弱,达不到一个好的分割效果. 现代的背景分割算法融入了机器学习的一些方法来提高分类 ...
opencv动态目标跟踪学习总结
用opencv实现对视频中动态目标的追踪第一步,是要建立一个编程环境,然后加载opencv的库路径等等.具体步骤在 http://www.opencv.org.cn/ 的"安装" ...
漫谈视频目标跟踪与分割
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达本文整理记录了旷视研究院Detection组针对视频目标跟踪与分割问题的探讨和收获,并从喜闻乐见的图像 ...
笔记基于OpenCV的目标跟踪软件与系统实现
1.目标检测理论包括光流法.帧间差分法和背景差分法, 目标分割理论包括全局阈值法和局部阈值法, 目标跟踪的均值漂移法和卡尔曼滤波法. 2.基于opencv的目标跟踪软件设计于实现在vc环境下,按照单 ...

（OpenCV+Python）--目标跟踪，背景分割器：KNN、MOG2和GMG

（OpenCV+Python）--目标跟踪，背景分割器：KNN、MOG2和GMG相关推荐

最新文章

热门文章