Wie verwendet Python OpenCV die Hintergrundtrennungsmethode?

Theorie

• Hintergrundtrennung (BS) ist eine gängige Technik zum Erzeugen einer Vordergrundmaske (ein Binärbild mit Pixeln, die zu sich bewegenden Objekten in der Szene gehören) mithilfe einer statischen Kamera.

• Wie der Name schon sagt, berechnet BS Die Vordergrundmaske führt eine Subtraktion zwischen dem aktuellen Bild und dem Hintergrundmodell durch, das den statischen Teil der Szene und alles, was als Hintergrund betrachtet werden kann, unter Berücksichtigung der Eigenschaften der beobachteten Szene enthält.

• Die Hintergrundmodellierung umfasst zwei Hauptschritte:

• 1. Hintergrundinitialisierung

• 2. Hintergrundaktualisierung Im ersten Schritt wird das anfängliche Modell des Hintergrunds berechnet Das Modell wird aktualisiert. Zur Anpassung an mögliche Änderungen in der Szene

Implementierung

gibt dem Benutzer die Möglichkeit, Videodateien oder Bildsequenzen zu verarbeiten. In diesem Beispiel wird cv2.BackgroundSubtractorMOG2 zum Generieren der Vordergrundmaske verwendet. cv2.BackgroundSubtractorMOG2 生成前景掩码。

from __future__ import print_function
import cv2
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()
## [create]
# create Background Subtractor objects
if args.algo == 'MOG2':
    backSub = cv2.createBackgroundSubtractorMOG2()
else:
    backSub = cv2.createBackgroundSubtractorKNN()
## [create]
## [capture]
capture = cv2.VideoCapture(args.input)
if not capture.isOpened():
    print('Unable to open: ' + args.input)
    exit(0)
## [capture]
while True:
    ret, frame = capture.read()
    if frame is None:
        break
    ## [apply]
    # update the background model
    fgMask = backSub.apply(frame)
    ## [apply]
    ## [display_frame_number]
    # get the frame number and write it on the current frame
    cv2.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)
    cv2.putText(frame, str(capture.get(cv2.CAP_PROP_POS_FRAMES)), (15, 15),
               cv2.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))
    ## [display_frame_number]
    ## [show]
    # show the current frame and the fg masks
    cv2.imshow('Frame', frame)
    cv2.imshow('FG Mask', fgMask)
    ## [show]
    keyboard = cv2.waitKey(30)
    if keyboard == 'q' or keyboard == 27:
        break

代码分析

分析上面代码的主要部分：

• cv2.BackgroundSubtractor对象将用于生成前景掩码。在此示例中，使用了默认参数，但是也可以在create函数中声明特定的参数。

# create Background Subtractor objects  KNN or MOG2
if args.algo == 'MOG2':
    backSub = cv2.createBackgroundSubtractorMOG2()
else:
    backSub = cv2.createBackgroundSubtractorKNN()

• cv2.VideoCapture对象用于读取输入视频或输入图像序列

capture = cv2.VideoCapture(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。如果要更改用于更新背景模型的学习率，可以通过将参数传递给apply方法来设置特定的学习率

# update the background model
    fgMask = backSub.apply(frame)

• 当前帧编号可以从cv2.Videocapture

   # get the frame number and write it on the current frame
      cv2.rectangle(frame, (10, 2), (100,20), (255,255,255), -1)
      cv2.putText(frame, str(capture.get(cv2.CAP_PROP_POS_FRAMES)), (15, 15),
                 cv2.FONT_HERSHEY_SIMPLEX, 0.5 , (0,0,0))

  Code-Analyse

  Analysieren Sie die Hauptteile des obigen Codes:

• cv2.BackgroundSubtractor-Objekt wird zum Generieren der Vordergrundmaske verwendet. In diesem Beispiel werden Standardparameter verwendet, es können jedoch auch bestimmte Parameter in der Funktion create deklariert werden.

# show the current frame and the fg masks
    cv2.imshow('Frame', frame)
    cv2.imshow('FG Mask', fgMask)

🎜🎜cv2.VideoCapture-Objekt wird zum Lesen des Eingabevideos oder der Eingabebildsequenz verwendet 🎜🎜🎜rrreee🎜🎜🎜Jeder Frame wird zur Berechnung und Aktualisierung der Vordergrundmaske verwendet der Hintergrund . Wenn Sie die zum Aktualisieren des Hintergrundmodells verwendete Lernrate ändern möchten, können Sie eine bestimmte Lernrate festlegen, indem Sie Parameter an die Methode apply übergeben. 🎜🎜🎜rrreee🎜🎜🎜Die aktuelle Frame-Nummer kann abgerufen werden aus cv2. Aus dem Videocapture-Objekt extrahiert und in die obere linke Ecke des aktuellen Frames gestanzt. Verwenden Sie ein weißes Rechteck, um die schwarze Bildnummer hervorzuheben

Das obige ist der detaillierte Inhalt vonWie verwendet Python OpenCV die Hintergrundtrennungsmethode?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!