0

我正在从事视频处理项目以检测前景物体。下面是我的代码的一部分，用于分离前景和背景。

#include "opencv2/core/core.hpp"
#include "opencv2/video/background_segm.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdio.h>

using namespace std;
using namespace cv;


//this is a sample for foreground detection functions
int main(int argc, const char** argv)
{


    VideoCapture cap;
    bool update_bg_model = true;

    cap.open(0);


    if( !cap.isOpened() )
    {
        printf("can not open camera or video file\n");
        return -1;
    }

    namedWindow("image", CV_WINDOW_NORMAL);
    namedWindow("foreground mask", CV_WINDOW_NORMAL);
    namedWindow("foreground image", CV_WINDOW_NORMAL);
    namedWindow("mean background image", CV_WINDOW_NORMAL);

    BackgroundSubtractorMOG2 bg_model;
    Mat img, fgmask, fgimg;

    for(;;)
    {
        cap >> img;

        if( img.empty() )
            break;

        if( fgimg.empty() )
          fgimg.create(img.size(), img.type());

        //update the model
        bg_model(img, fgmask, update_bg_model ? -1 : 0);

        fgimg = Scalar::all(0);
        img.copyTo(fgimg, fgmask);

        Mat bgimg;
        bg_model.getBackgroundImage(bgimg);

        imshow("image", img);
        imshow("foreground mask", fgmask);
        imshow("foreground image", fgimg);
        if(!bgimg.empty())
          imshow("mean background image", bgimg );

        char k = (char)waitKey(30);
        if( k == 27 ) break;
        if( k == ' ' )
        {
            update_bg_model = !update_bg_model;
            if(update_bg_model)
                printf("Background update is on\n");
            else
                printf("Background update is off\n");
        }
    }

    return 0;
}

在前景蒙版窗口中，我得到了很多噪声以及实际的前景对象。完整的对象也被识别为前景。我还需要用矩形绑定前景对象。如果我在前景蒙版中绘制轮廓，Wil BoundRect() 会完成这项工作吗？...还有什么是最推荐在查找轮廓时传递的参数（findcontour()）和 BoundRect 函数...提前谢谢

4

1 回答 1

2

回答太晚了，但我希望这对其他人有帮助。

以像素完美的方式将视频中的前景与背景分离（对背景没有任何限制）是一个非常困难的问题。很多研究工作已经进入这个领域，而且还有很大的空间。因此，简单的高斯混合（BackgroundSubtractorMOG2 使用的）可能不会给您非常准确的结果。噪声几乎是不可避免的，因为 MOG 的决定是基于颜色提示的，并且背景中的某些像素可能适合它制作的高斯模型。

这些作为前景的像素有效地代表了变化。因此，如果您修改背景模型的学习率，您可以密切跟踪正在移动的像素。如果您可以假设您的背景是相当静态的，那么移动的像素将代表您的前景，并且可以在一定程度上帮助您解决问题。

我还建议在 openCV 中使用 BackgroundSubtractorGMG 函数。该函数从前几帧（数量可设置）中学习一个背景模型。如果可能的话，让前几帧没有前景。你可能会取得不错的成绩。

于 2014-07-13T04:57:34.607 回答