OpenCV系列之如何使用背景分離方法 | 四十六

• 背景分離（BS）是一種經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）的經常使用技術。
• 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，或者更通常而言，考慮到所觀察場景的特徵，能夠將其視爲背景的全部內容。
  
  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，咱們將學習如何使用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.經過使用cv::BackgroundSubtractor類建立和更新背景類；
  3.經過使用cv::imshow獲取並顯示前景蒙版。
  代碼
  在下面，您能夠找到源代碼。咱們將讓用戶選擇處理視頻文件或圖像序列。在此示例中，咱們將使用cv::BackgroundSubtractorMOG2生成前景掩碼。
  結果和輸入數據將顯示在屏幕上。

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:
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

解釋
咱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，可是也能夠在create函數中聲明特定的參數。
#建立背景分離對象

if args.algo == 'MOG2':
backSub = cv.createBackgroundSubtractorMOG2()
else:
backSub = cv.createBackgroundSubtractorKNN()

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

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

* 每幀都用於計算前景掩碼和更新背景。若是要更改用於更新背景模型的學習率，能夠經過將參數傳遞給apply方法來設置特定的學習率。
    #更新背景模型

fgMask = backSub.apply(frame)

* 當前幀號能夠從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。
    #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))

* 咱們準備顯示當前的輸入框和結果。
    #展現當前幀和背景掩碼

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

**結果**
對於vtest.avi視頻，適用如下框架：
![](https://s4.51cto.com/images/blog/202101/06/82080b8db5e40e47e12cbf0cce6db2d9.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)
MOG2方法的程序輸出以下所示（檢測到灰色區域有陰影）：
![](https://s4.51cto.com/images/blog/202101/06/f9f490a4dc6c98761c41644d71ef4c4b.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)
對於KNN方法，程序的輸出將以下所示（檢測到灰色區域的陰影）：
![](https://s4.51cto.com/images/blog/202101/06/363742e71118329aa64f8a36379711dc.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)
**參考**
Background Models Challenge (BMC) website
A Benchmark Dataset for Foreground/Background Extraction