Question

我有一些具有挑战性的任务，花了很多时间，但没有令人满意的结果。

感觉是为将来的人数计数执行背景减法。我正在使用Python 3和OpenCV 3.3。我申请cv2.createBackgroundSubtractorMOG2但面临两个主要困难：

由于背景几乎是黑暗的，一些走在视频上的人穿着黑暗的工作人员，减法器有时无法正确检测到它们，它只是跳过它们（看看下面的图像）。将图像从BGR转换为HSV几乎没有变化，但我期望更好的结果。如你所见，穿着灰色衣服的男人检测不好。怎么可能改善这个？如果有更有效的方法，请提供此信息，我感谢并欢迎任何帮助！也许有意义使用立体相机并尝试使用图像深度处理对象？
令我担心的另一个问题是，如果交通拥挤，有几个人会彼此靠近怎么办？该区域将简单地合并并计算为简单。在这种情况下可以做些什么？

提前感谢您提供任何信息！

UPD：

我使用HSV色彩空间在图像的每个通道上执行直方图均衡，但即使是现在我也无法吸收一些颜色接近背景颜色的人。

以下是代码更新：

import cv2
import numpy as np
import imutils


cap = cv2.VideoCapture('test4.mp4')
clahe = cv2.createCLAHE(2.0, (8,8))

history = 50
fgbg = cv2.createBackgroundSubtractorMOG2(history=history, detectShadows=True)

while cap.isOpened():
    frame = cap.read()[1]
    width, height = frame.shape[:2]
    frame = imutils.resize(frame, width=min(500, width))
    origin = frame.copy()
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    for channel in range(3):
         hsv[:,:,channel] = clahe.apply(hsv[:,:,channel])

    fgmask = fgbg.apply(hsv, learningRate=1 / history)
    blur = cv2.medianBlur(fgmask, 5)

    cv2.imshow('mask', fgmask)
    cv2.imshow('hcv', hsv)
    cv2.imshow('origin', origin)
    k = cv2.waitKey(30) & 0xff
    if k == 27 or k == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

Answer 1

我相信按照以下步骤将在很大程度上解决您的第一个问题：

1.Preprocessing：

图像预处理非常重要，因为计算机看不到我们人类感知的图像。因此，总是建议寻找增强图像的方法而不是直接处理它。

对于给定的图像，夹克中的男人看起来与背景颜色相同。我将 直方图均衡 应用于图像的所有三个通道，并合并它们以获得以下内容：

这名男子比以前略显可见。

2。色彩空间：

您选择使用HSV色彩空间是正确的。但为什么要一起限制三个频道呢？我获得了 色调频道 并获得了以下内容：

3。微调

现在，对于上图，您必须应用一些 最佳阈值 ，然后使用 形态侵蚀进行跟进操作以在框架中获得更好的人物轮廓。

注意： 为了解决您的第二个问题，您还可以在应用阈值后进行一些形态学操作。

OpenCV BackgroundSubtractor在颜色与背景颜色相似的对象上产生较差的结果

1 个答案:

1.Preprocessing：

2。色彩空间：

3。微调