消除背景建模就是找出視頻中移動的區域,把移動的區域設爲白色對象方便觀察,其他沒有移動的區域設爲黑色背景。
消除背景建模是視頻跟蹤最基本的方法。可用基於機器學習的KNN算法或者圖像分割MOG算法
不論是KNN還是MOG,它們對於消除背景建模的思路是一樣的
以KNN爲例:假設在視頻的第10幀爲開始,用KNN算法可以把第10幀圖像中的所有像素點劃分爲K類。即每個像素點都有屬於自己的類別。
第11幀時,對第11幀圖像進行KNN分類,如果視頻中沒有物體移動,則第11幀和第10幀圖像中所有對應像素點的類別是一樣的。如果視頻中有物體移動了,則第11幀和第10幀圖像中不是所有對應像素點的類別是一樣的,不是同一類別的像素點就是移動物體的區域,把該區域設爲白色背景。
以下是opencv c++具體代碼。
//BSM背景消除建模
//分爲機器學習 KNN 和 圖像分割MOG2
//用於在視頻監控情況下找運動背景
#include <iostream>
#include<opencv2/opencv.hpp>
#include<string>
using namespace cv;
using namespace std;
int main(int argc, char ** argv)
{
Mat frame, KNNmask, MOG2mask;
VideoCapture capture;
Mat kenel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));//形態學模版
vector<vector<Point>>contours; //求輪廓的參數
vector<Vec4i>hierarchy;//求輪廓的參數
string target = "Target";//求顯示標籤的參數
ostringstream oss;//定義字符串與數字結合
capture.open(0);
if (!capture.isOpened())
{
printf("can not open ......\n");
return -1;
}
namedWindow("KNNmask", WINDOW_AUTOSIZE);
namedWindow("MOG2mask", WINDOW_AUTOSIZE);
namedWindow("output", WINDOW_AUTOSIZE);
Ptr<BackgroundSubtractor> pKNN = createBackgroundSubtractorKNN();//調用KNN背景消除模型,指針類型
Ptr<BackgroundSubtractor> pMOG2 = createBackgroundSubtractorMOG2();//調用MOG2背景消除模型,指針類型
while (capture.read(frame))
{
int a = 1;//求顯示標籤的參數
pKNN->apply(frame, KNNmask);//把frame在KNN模型下賦值給KNNmask
pMOG2->apply(frame, MOG2mask);
//KNN
//二值化
threshold(KNNmask, KNNmask, 100, 255, THRESH_BINARY);
//利用形態學消除噪聲。開環
morphologyEx(KNNmask, KNNmask, MORPH_OPEN, kenel, Point(-1, -1));
//MOG2
threshold(MOG2mask, MOG2mask, 100, 255, THRESH_BINARY);
morphologyEx(MOG2mask, MOG2mask, MORPH_OPEN, kenel, Point(-1, -1));
//找輪廓
findContours(KNNmask, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
for (int i = 0; i < contours.size(); i++)
{
double area = contourArea(contours[i]);//求輪廓面積
Rect rect = boundingRect(contours[i]);//求輪廓最小包圍矩陣
if (area < 500 || rect.width < 50 || rect.height < 50) //不畫出面積,長,寬過小的輪廓矩陣
continue;
oss << target << a;//結合顯示的字符串與數字
rectangle(frame, rect, Scalar(0, 0, 255), 2);//畫矩形框
putText(frame, oss.str(), Point(rect.x, rect.y), CV_FONT_NORMAL, FONT_HERSHEY_PLAIN, Scalar(0, 255, 0), 1, 8);
oss.str("");//把oss之前存放的字符全部清除
a = a + 1;//a爲矩形框個數
}
//顯示
imshow("KNNmask", KNNmask);
imshow("MOG2mask", MOG2mask);
imshow("output", frame);
waitKey(1);
}
capture.release();//釋放內存
waitKey(0);
return 0;
}