Question

我正致力于视频处理项目，以检测前景物体。下面是我的代码的一部分，用于分隔前景和背景。

#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，我会收到很多噪音以及实际的前景物体。此外，fulll对象被注意为前景。我还需要将前景对象与矩形绑定在一起。如果我在前景蒙版中绘制轮廓，Wil BoundRect（）会做什么工作？...在查找轮廓（findcontour（））和BoundRect函数时，最常推荐的参数是什么...提前感谢< / p>

Answer 1

回答太迟了，但我希望这有助于其他人。

以像素完美的方式将前景与视频中的背景分开（对背景没有任何约束）是一个非常困难的问题。许多研究工作已经进入这一领域，仍然存在范围。因此，高斯的简单混合（如BackgroundSubtractorMOG2所使用的）可能无法给出非常准确的结果。噪声几乎是不可避免的，因为MOG的决定是基于颜色提示，并且背景中的某些像素可能适合由它制作的高斯模型。

您作为前景获得的这些像素实际上代表了变化。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，那么移动像素将代表您的前景，并可以帮助您在一定程度上解决问题。

我还建议在openCV中使用BackgroundSubtractorGMG函数。此函数从前几个（可设置的数字）帧中学习背景模型。如果可能的话，让前几帧不是前景。你可能会取得不错的成绩。

改进背景减法

1 个答案: