【Python+OpenCV】目标跟踪-背景分割器:KNN、MOG2和GMG
来源:互联网 发布:怎样专业网络投资理财 编辑:程序博客网 时间:2024/06/05 20:54
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'): breakcamera.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 cv2import 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255 th = 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 capturecamera.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
阅读全文
2 0
- 【Python+OpenCV】目标跟踪-背景分割器:KNN、MOG2和GMG
- 利用MOG2背景模型提取运动目标的OpenCV代码
- 目标跟踪(2)——背景分割器
- 背景减除算法之K-Nearest(KNN)和Mixture of Gaussians(MOG2)
- opencv背景建模mog2源码剖析
- 运动目标的背景建模-混合高斯背景建模和KNN模型建模的OpenCV代码实现
- Opencv学习笔记(背景更新---目标跟踪)
- 【Python+OpenCV】目标跟踪-卡尔曼滤波-鼠标轨迹跟踪
- 目标跟踪openCV Camshift和meanshift 源代码
- MeanShift和Opencv移动简单目标跟踪
- 目标追踪-背景分割
- 目标分割、目标识别、目标检测和目标跟踪的区别
- 图像识别中目标分割、目标识别、目标检测和目标跟踪方法
- [OpenCV] Camshiftdemo 目标跟踪
- opencv彩色目标跟踪
- opencv目标跟踪:三帧差分法
- 【opencv】Camshift目标跟踪
- opencv单目标跟踪
- JS 常用正则表达式
- Design Sprint: 可视化、轻量级、可协作的持续产品规划
- 动态sql
- springMVC学习--将json串解析成java对象(@RequestBody)
- 51Nod-1403-有趣的堆栈
- 【Python+OpenCV】目标跟踪-背景分割器:KNN、MOG2和GMG
- 图像放缩中最近邻插值和双线性插值的基本原理
- 20170618Windows10_05_线程状态、上锁及原子操作
- 脚本
- jmeter中使用if controller
- Java GC笔记
- 机智云助力智能家居 让机器更懂你
- 独家专访Mockplus CEO老布,原型设计领域的弄潮儿
- 1.概述