OpenCV系列之如何使用背景分离方法 | 四十六

• 背景分离（BS）是一种经过使用静态相机来生成前景掩码（即包含属于场景中的移动对象像素的二进制图像）的经常使用技术。
• 顾名思义，BS计算前景掩码，在当前帧与背景模型之间执行减法运算，其中包含场景的静态部分，或者更通常而言，考虑到所观察场景的特征，能够将其视为背景的全部内容。
  
  背景建模包括两个主要步骤：
  1.背景初始化；
  2.背景更新。
  第一步，计算背景的初始模型，而在第二步中，更新模型以适应场景中可能的变化。
  在本教程中，咱们将学习如何使用OpenCV中的BS。
  目标
  在本教程中，您将学习如何：
  1.使用cv::VideoCapture从视频或图像序列中读取数据；
  2.经过使用cv::BackgroundSubtractor类建立和更新背景类；
  3.经过使用cv::imshow获取并显示前景蒙版。
  代码
  在下面，您能够找到源代码。咱们将让用户选择处理视频文件或图像序列。在此示例中，咱们将使用cv::BackgroundSubtractorMOG2生成前景掩码。
  结果和输入数据将显示在屏幕上。

from future import print_function
import cv2 as cv
import argparse
parser = argparse.ArgumentParser(description='This program shows how to use background subtraction methods provided by \
OpenCV. You can process both videos and images.')
parser.add_argument('--input', type=str, help='Path to a video or a sequence of image.', default='vtest.avi')
parser.add_argument('--algo', type=str, help='Background subtraction method (KNN, MOG2).', default='MOG2')
args = parser.parse_args()
if args.algo == 'MOG2':
backSub = cv.createBackgroundSubtractorMOG2()
else:
backSub = cv.createBackgroundSubtractorKNN()
capture = cv.VideoCapture(cv.samples.findFileOrKeep(args.input))
if not capture.isOpened:
print('Unable to open: ' + args.input)
exit(0)
while True:
ret, frame = capture.read()
if frame is None:
break

fgMask = backSub.apply(frame)

cv.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)
cv.putText(frame, str(capture.get(cv.CAP_PROP_POS_FRAMES)), (15, 15),
           cv.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))

cv.imshow('Frame', frame)
cv.imshow('FG Mask', fgMask)

keyboard = cv.waitKey(30)
if keyboard == 'q' or keyboard == 27:
    break

解释
咱们讨论上面代码的主要部分：
* 一个cv::BackgroundSubtractor对象将用于生成前景掩码。在此示例中，使用了默认参数，可是也能够在create函数中声明特定的参数。
#建立背景分离对象

if args.algo == 'MOG2':
backSub = cv.createBackgroundSubtractorMOG2()
else:
backSub = cv.createBackgroundSubtractorKNN()

* 一个cv::VideoCapture对象用于读取输入视频或输入图像序列。

capture = cv.VideoCapture(cv.samples.findFileOrKeep(args.input))
if not capture.isOpened:
print('Unable to open: ' + args.input)
exit(0)

* 每帧都用于计算前景掩码和更新背景。若是要更改用于更新背景模型的学习率，能够经过将参数传递给apply方法来设置特定的学习率。
    #更新背景模型

fgMask = backSub.apply(frame)

* 当前帧号能够从cv::VideoCapture对象中提取，并标记在当前帧的左上角。白色矩形用于突出显示黑色的帧编号。
    #获取帧号并将其写入当前帧

cv.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)
cv.putText(frame, str(capture.get(cv.CAP_PROP_POS_FRAMES)), (15, 15),
           cv.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))

* 咱们准备显示当前的输入框和结果。
    #展现当前帧和背景掩码

cv.imshow('Frame', frame)
cv.imshow('FG Mask', fgMask)

**结果**
对于vtest.avi视频，适用如下框架：
![](https://s4.51cto.com/images/blog/202101/06/82080b8db5e40e47e12cbf0cce6db2d9.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)
MOG2方法的程序输出以下所示（检测到灰色区域有阴影）：
![](https://s4.51cto.com/images/blog/202101/06/f9f490a4dc6c98761c41644d71ef4c4b.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)
对于KNN方法，程序的输出将以下所示（检测到灰色区域的阴影）：
![](https://s4.51cto.com/images/blog/202101/06/363742e71118329aa64f8a36379711dc.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)
**参考**
Background Models Challenge (BMC) website
A Benchmark Dataset for Foreground/Background Extraction