我正在尝试在视频帧中提取多个移动对象，并将它们提取为前景。数据来自video frames。
目前的问题是：灯光正在变化，因此有一些阴影，或者比实际背景更亮的部分。这会导致OpenCV MoG背景分割方法错误的背景/前景提取。
为此，我没有得到任何简单的方法，但有这样的想法：如果我可以在前一帧中提取那些移动对象的边缘，那么也许我可以使用像{{1}这样的算法来跟踪它们在下一帧中，查看它们的位置，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正确的，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？如果我需要在OpenCV中使用SIFT算法，它是免费提供的吗？从网上看，我看到它是不自由的，对吗？
我的第二个问题是：有没有人对此有更好的想法？
谢谢。
答案 0 :(得分：4)
如果您想进行人体检测/跟踪，您应该查找研究论文或项目。有很多，你甚至可以在SOF上找到关于该主题的一些问题：
How can I detect and track people using OpenCV? （可能已过时）
single person tracking from video sequence
How to do motion tracking of an object using video?
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 - 仅举几例在OpenCV中实现）：
Are there any fast alternatives to SURF and SIFT for scale-invariant feature extraction?
OpenCV for ANDROID image compare
简单来说，SIFT不是一种跟踪移动物体的算法，它是检测图像区域，这些图像区域在某种程度上是独特的，并且对几种失真（平移，旋转，缩放......）具有鲁棒性。意思是，稍后可以在不同的图像条件下检测相同的特征。您确实可以使用类似SIFT的算法来识别对象，但是对于人物跟踪，可以有更好的选择。 然后，对于那些图像区域，您可以应用一些跟踪算法，例如光流 - 但是有更具体的跟踪算法用于人类跟踪。
SIFT和SURF可以通过OpenCV“自由”使用，但部分内容已获得专利，因此人们可以避免使用它们，以便将来因为这些专利而没有任何问题 - 这就是他们转移到“非自由”的原因“OpenCV模块。
除了您提到的轻微问题之外，您将遇到的其他问题是对象遮挡以及进入场景的人员。
答案 1 :(得分：2)
我建议您将图像标准化以进行照明。一种实用的方法是使用“直方图匹配”。
请查看Histogram matching of two colored images in matlab了解有关使用直方图匹配的信息。
希望这有帮助