我正在尝试提取视频帧中的几个移动对象，并将它们提取为前景。数据来自video frames。
当前的问题是：光线在变化，所以有一些阴影，或者比实际背景更亮的部分。这导致通过OpenCV MoG背景分割方法提取错误的背景/前景。
为此，我没有任何直接的方法，但有这样的想法：如果我可以在前一帧中提取那些移动物体的边缘，那么也许我可以使用SIFT下一帧中的算法来跟踪它们，看看在哪里它们是，并将它们视为前景。
我认为在这种情况下，光线变化不会影响结果。如果我在这一点上是对的，那么我的问题是：
如何使用 OpenCV 有效地对这些移动物体进行边缘检测？如果我需要SIFT在 OpenCV 中使用算法，它可以免费获得吗？从网上，我看到它是非免费的，对吗？
我的第二个问题是：有人对此有更好的想法吗？
谢谢你。
如果您想进行人体检测/跟踪，您应该寻找与此相关的研究论文或项目。有很多，您甚至可以在 SOF 上找到有关该主题的一些问题：
如何使用 OpenCV 检测和跟踪人员？ （可能已经过时）
此外，还有几个问题涉及特征检测器/描述符，如 SIFT 及其最近的替代品（SURF、ORB、FREAK - 仅列举一些在 OpenCV 中实现的）：
对于尺度不变的特征提取，SURF 和 SIFT 是否有任何快速的替代方案？
简单地说，SIFT 不是一种跟踪运动物体的算法，它是检测图像区域，这些区域在某种程度上是独特的，并且对多种失真（平移、旋转、缩放......）具有鲁棒性。这意味着，稍后可以在不同的图像条件下检测到相同的特征。您确实可以使用类似 SIFT 的算法来识别对象，但对于人员跟踪，也许有更好的选择。然后，您可以对这些图像区域应用一些跟踪算法，例如光流 - 但还有更具体的用于人类跟踪的算法。
SIFT 和 SURF 在 OpenCV 中“免费”可用，但其中一部分已获得专利，因此人们避免使用它们，因此他们在未来不会因为这些专利而出现问题——这就是他们转向“非免费”OpenCV 模块的原因.
除了您提到的光线问题之外，您还会遇到的其他问题是对象遮挡和人员进出场景。
我知道您已经接受了 Rui 的回答，但经过一番谷歌搜索后，我找到了解决您问题的另一种方法——它是HOG Descriptor。
不幸的是，我对这个描述符不熟悉，所以我无法帮助你实现，但是，在谷歌搜索之后，我再次发现这个描述符是用于行人检测的。
看看这个人类检测代码。