【OpenCV-Python】教程：5-1 背景减法

OpenCV Python 背景减法

【目标】

• 读视频与显示视频
• 创建背景模型与更新背景模型

【概述】

背景相减（BS）是一种常用且广泛使用的技术，用于通过使用静态相机来生成前景掩模（即，包含属于场景中运动对象的像素的二值图像）。

顾名思义，BS计算前景掩码，在当前帧和背景模型之间执行减法，该模型包含场景的静态部分，或者更一般地，考虑到观察到的场景的特性，可以认为是背景的所有内容。

背景建模包含两个主要步骤：

1. 背景初始化
2. 背景更新

【代码】

import cv2

videoname = "assets/vtest.avi"
algo_method = "MOG2"

# 背景模型初始化
if algo_method == "MOG2":
    backSub = cv2.createBackgroundSubtractorMOG2()
else:
    backSub = cv2.createBackgroundSubtractorKNN()

# 读入视频
capture = cv2.VideoCapture(videoname)
if not capture.isOpened():
    print("Error opening video file")
    exit(0)

while True:
    ret, frame = capture.read()
    if frame is None:
        break
  
    # 背景更新
    fgMask = backSub.apply(frame)

    # 绘制帧号，可以不用---
    cv2.rectangle(frame, (10, 2), (100, 20), (255, 255, 255), -1)
    cv2.putText(frame, str(capture.get(cv2.CAP_PROP_POS_FRAMES)), (15, 15),
            cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0))

    cv2.imshow('Frame', frame)
    cv2.imshow('FG Mask', fgMask)

    keyboard = cv2.waitKey(30)
    if keyboard == 'q' or keyboard == 27:
        break

capture.release()
cv2.destroyAllWindows()

【接口】

• createBackgroundSubtractorKNN

cv2.createBackgroundSubtractorKNN(	[, history[, dist2Threshold[, detectShadows]]]	) ->	retval

cv::createBackgroundSubtractorKNN	(	int 	history = 500,
double 	dist2Threshold = 400.0,
bool 	detectShadows = true 
)

创建一个knn背景模型对象

• history: 历史长度，默认500
• dist2Threshold: 判断两帧之间像素的距离平方的阈值，默认400
• detectShadows: 如果为真，检测阴影

• createBackgroundSubtractorMOG2

cv2.createBackgroundSubtractorMOG2(	[, history[, varThreshold[, detectShadows]]]	) ->	retval

cv::createBackgroundSubtractorMOG2	(	int 	history = 500,
double 	varThreshold = 16,
bool 	detectShadows = true 
)

创建一个混合高斯背景模型

• history: 历史长度
• varThreshold: 像素和模型之间的平方马氏距离阈值，以确定像素是否被背景模型很好地描述
• detectShadows: 如果为真，就检测阴影

• apply

cv2.BackgroundSubtractor.apply(	image[, fgmask[, learningRate]]	) ->	fgmask

计算前景

• image: 下一帧图像
• fgmask: 前景图像
• learningRate: 学习率，0~1，0代表不更新，1代表直接替换；

在用例中，直接用 backSub.apply

• getBackgroundImage

cv2.BackgroundSubtractor.getBackgroundImage(	[, backgroundImage]	) ->	backgroundImage

获得背景

在用例中，直接用 backSub.getBackgroundImage

其他背景模型见：

OpenCV: cv::BackgroundSubtractor Class Reference

【参考】

1. OpenCV: How to Use Background Subtraction Methods
2. Background Models Challenge (BMC) website
3. A Benchmark Dataset for Foreground/Background Extraction [257]
4. OpenCV: cv::BackgroundSubtractor Class Reference
5. Zoran Zivkovic and Ferdinand van der Heijden. Efficient adaptive density estimation per image pixel for the task of background subtraction. Pattern recognition letters , 27(7):773–780, 2006.
6. Zoran Zivkovic. Improved adaptive gaussian mixture model for background subtraction. In Pattern Recognition, 2004. ICPR 2004. Proceedings of the 17th International Conference on , volume 2, pages 28–31. IEEE, 2004.
7. Pakorn KaewTraKulPong and Richard Bowden. An improved adaptive background mixture model for real-time tracking with shadow detection. In Video-Based Surveillance Systems , pages 135–144. Springer, 2002.