目標

• 背景分離（BS）是一種通過使用靜態相機來生成前景掩碼（即包含屬於場景中的移動對象像素的二進制圖像）的常用技術。
• 顧名思義，BS計算前景掩碼，在當前幀與背景模型之間執行減法運算，其中包含場景的靜態部分，或者更一般而言，考慮到所觀察場景的特徵，可以將其視為背景的所有內容。

背景建模包括兩個主要步驟：

1. 背景初始化；
2. 背景更新。

第一步，計算背景的初始模型，而在第二步中，更新模型以適應場景中可能的變化。

在本教程中，我們將學習如何使用OpenCV中的BS。

目標

在本教程中，您將學習如何：

1. 使用cv::VideoCapture從視頻或圖像序列中讀取數據；
2. 通過使用cv::BackgroundSubtractor類創建和更新背景類；
3. 通過使用cv::imshow獲取並顯示前景蒙版；

代碼

在下面，您可以找到源代碼。我們將讓用戶選擇處理視頻文件或圖像序列。在此示例中，我們將使用

結果和輸入數據將顯示在屏幕上。

<code>from __future__ import print_functionimport cv2 as cvimport argparseparser = 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:        break        fgMask = 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/<code>

解釋

我們討論上面代碼的主要部分：

• 一個cv::BackgroundSubtractor對象將用於生成前景掩碼。在此示例中，使用了默認參數，但是也可以在create函數中聲明特定的參數。

<code>#創建背景分離對象if args.algo == 'MOG2':    backSub = cv.createBackgroundSubtractorMOG2()else:    backSub = cv.createBackgroundSubtractorKNN()/<code>

• 一個cv::VideoCapture對象用於讀取輸入視頻或輸入圖像序列。

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

• 每幀都用於計算前景掩碼和更新背景。如果要更改用於更新背景模型的學習率，可以通過將參數傳遞給apply方法來設置特定的學習率。

<code>    #更新背景模型    fgMask = backSub.apply(frame)/<code>

• 當前幀號可以從cv::VideoCapture對象中提取，並標記在當前幀的左上角。白色矩形用於突出顯示黑色的幀編號。

<code>    #獲取幀號並將其寫入當前幀    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))/<code>

• 我們準備顯示當前的輸入框和結果。

<code>    #展示當前幀和背景掩碼    cv.imshow('Frame', frame)    cv.imshow('FG Mask', fgMask)/<code>

結果

• 對於vtest.avi視頻，適用以下框架：

MOG2方法的程序輸出如下所示（檢測到灰色區域有陰影）：

對於KNN方法，程序的輸出將如下所示（檢測到灰色區域的陰影）：

參考

• Background Models Challenge (BMC) website
• A Benchmark Dataset for Foreground/Background Extraction

閱讀更多 人工智能遇見磐創 的文章

關鍵字: Python 背景 分離