对于我的一个项目，我需要使用 OpenCV 处理图像差异。目标是检测区域中的入侵。
为了更清楚一点，这里是输入和输出：
输入：
输出：
奖金：
对我来说，最困难的部分是消除微小的差异（亮度、相机位置边距误差、树木的移动......）
我已经阅读了很多关于 OpenCV 图像处理（减法、腐蚀、阈值、SIFT、SURF...）的内容，并取得了一些不错的结果。
我想要的是您认为最好的步骤列表（人类，汽车......），以及执行每个步骤的算法。
非常感谢您的帮助。
Track-by-Detect，人类跟踪器：
现在，您可以根据经过的人的 blob.{x,y} 值将其分组到公共/受限区域。
去年我不得不处理这个问题。我建议使用一种自适应背景-前景估计算法来生成前景蒙版。
最重要的是，您添加一个斑点检测器和跟踪器，然后计算斑点和您的入侵区域之间是否发生交叉。
Opencv 在遗留代码中包含所有这些示例。当然，如果您愿意，您也可以使用您自己的或其他版本的这些。
链接： http: //opencv.willowgarage.com/wiki/VideoSurveillance http://experienceopencv.blogspot.gr/2011/03/blob-tracking-video-surveillance-demo.html
如果相机是静态的，我肯定会从运行平均背景减法开始。然后您可以使用 findContours() 来查找入侵对象的位置和大小。如果您想检测在场景中四处走动的人，我建议您使用内置的 haar 分类器：
您只需将 xml 替换为上半身分类器。