• 背景分离（BS）是一种通过使用静态相机来生成前景掩码（即包含属于场景中的移动对象像素的二进制图像）的常用技术。

• 顾名思义，BS计算前景掩码，在当前帧与背景模型之间执行减法运算，其中包含场景的静态部分，或者更一般而言，考虑到所观察场景的特征，可以将其视为背景的所有内容。

背景建模包括两个主要步骤：

1.背景初始化；

2.背景更新。

第一步，计算背景的初始模型，而在第二步中，更新模型以适应场景中可能的变化。

在本教程中，我们将学习如何使用OpenCV中的BS。

目标

在本教程中，您将学习如何：

1.使用cv::VideoCapture从视频或图像序列中读取数据；

2.通过使用cv::BackgroundSubtractor类创建和更新背景类；

3.通过使用cv::imshow获取并显示前景蒙版。

代码

在下面，您可以找到源代码。我们将让用户选择处理视频文件或图像序列。在此示例中，我们将使用cv::BackgroundSubtractorMOG2生成前景掩码。

结果和输入数据将显示在屏幕上。

from __future__ import print_function
import cv2 as cv
import argparse
parser = argparse.ArgumentParser(description='This program shows how to use background subtraction methods provided by \OpenCV. You can process both videos and images.')
parser.add_argument('--input', type=str, help='Path to a video or a sequence of image.', default='vtest.avi')
parser.add_argument('--algo', type=str, help='Background subtraction method (KNN, MOG2).', default='MOG2')
args = parser.parse_args()
if args.algo == 'MOG2':backSub = cv.createBackgroundSubtractorMOG2()
else:backSub = cv.createBackgroundSubtractorKNN()
capture = cv.VideoCapture(cv.samples.findFileOrKeep(args.input))
if not capture.isOpened:print('Unable to open: ' + args.input)exit(0)
while True:ret, frame = capture.read()if frame is None:breakfgMask = backSub.apply(frame)cv.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)cv.putText(frame, str(capture.get(cv.CAP_PROP_POS_FRAMES)), (15, 15),cv.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))cv.imshow('Frame', frame)cv.imshow('FG Mask', fgMask)keyboard = cv.waitKey(30)if keyboard == 'q' or keyboard == 27:break

解释

我们讨论上面代码的主要部分：

• 一个cv::BackgroundSubtractor对象将用于生成前景掩码。在此示例中，使用了默认参数，但是也可以在create函数中声明特定的参数。

#创建背景分离对象
if args.algo == 'MOG2':backSub = cv.createBackgroundSubtractorMOG2()
else:backSub = cv.createBackgroundSubtractorKNN()

• 一个cv::VideoCapture对象用于读取输入视频或输入图像序列。

capture = cv.VideoCapture(cv.samples.findFileOrKeep(args.input))
if not capture.isOpened:     print('Unable to open: ' + args.input)exit(0)

• 每帧都用于计算前景掩码和更新背景。如果要更改用于更新背景模型的学习率，可以通过将参数传递给apply方法来设置特定的学习率。

    #更新背景模型fgMask = backSub.apply(frame)

• 当前帧号可以从cv::VideoCapture对象中提取，并标记在当前帧的左上角。白色矩形用于突出显示黑色的帧编号。

    #获取帧号并将其写入当前帧cv.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)cv.putText(frame, str(capture.get(cv.CAP_PROP_POS_FRAMES)), (15, 15),cv.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))

• 我们准备显示当前的输入框和结果。

    #展示当前帧和背景掩码cv.imshow('Frame', frame)cv.imshow('FG Mask', fgMask)

结果

• 对于vtest.avi视频，适用以下框架：

  

MOG2方法的程序输出如下所示（检测到灰色区域有阴影）：

对于KNN方法，程序的输出将如下所示（检测到灰色区域的阴影）：

参考

• Background Models Challenge (BMC) website

• A Benchmark Dataset for Foreground/Background Extraction

☆☆☆为方便大家查阅，小编已将OpenCV-Python专栏文章统一整理到公众号底部菜单栏，同步更新中，关注公众号，点击左下方“文章”，如图：或点击下方“阅读原文”，进入OpenCV-Python专栏，即可查看系列文章。

不断更新资源

获取更多精彩

长按二维码扫码关注