详解OpenCV的视频背景/前景分割(背景建模/前景提取)类cv::bgsegm::BackgroundSubtractorCNT,并利用它实现对道路监控视频前景的提取

关于类cv::bgsegm::BackgroundSubtractorCNT的大概算法原理，我已在博文https://blog.csdn.net/wenhao_ir/article/details/125003752进行了介绍，这里就不多说了。

需要注意的是这是OpenCV4新增的类，OpenCV3里是没有的。

下面介绍其成员函数。

继承于基类cv::BackgroundSubtractor的成员函数apply()和getBackgroundImage()的详细介绍见博文：https://blog.csdn.net/wenhao_ir/article/details/125007017

其特有的成员函数如下：

virtual bool cv::bgsegm::BackgroundSubtractorCNT::getIsParallel( ) const

成员函数getIsParallel()用于返回算法是否以并行化的方式运行。

irtual int cv::bgsegm::BackgroundSubtractorCNT::getMaxPixelStability() const

成员函数getMaxPixelStability()用于返回返回历史上某个像素允许的最大点数(积分)。从其函数名来看，这个像素积分值是用于保持稳定的。

virtual int cv::bgsegm::BackgroundSubtractorCNT::getMinPixelStability( ) const

成员函数getMinPixelStability()用于返回具有相同像素颜色的帧数，这个值也用来保持稳定的。看来，“稳定”是这个算法的核心概念，去阅读相关论文时要注意这一点。具体的意义大家还是去查阅该算法的论文及相关资料吧。

virtual bool cv::bgsegm::BackgroundSubtractorCNT::getUseHistory( )	const

成员函数getUseHistory()用于返回是否给予长期稳定的像素积分。

virtual void cv::bgsegm::BackgroundSubtractorCNT::setIsParallel(bool value)

成员函数setIsParallel()用于设置是否将算法以并行化的方式运行。

virtual void cv::bgsegm::BackgroundSubtractorCNT::setMaxPixelStability(int value)

成员函数setMaxPixelStability()用于设置允许的最大历史像素积分。

扫描二维码关注公众号，回复： 14235289 查看本文章

virtual void cv::bgsegm::BackgroundSubtractorCNT::setMinPixelStability(int value)

成员函数setMinPixelStability()用于设置具有相同像素颜色的帧数。

virtual void cv::bgsegm::BackgroundSubtractorCNT::setUseHistory(bool value)

成员函数setUseHistory()用于设置是否给予长期稳定的像素积分(点数)。

接下来给出示例代码，由于博主用的的OpenCV的C++版本为OpenCV3，所以给大家Python代码。
示例代码如下：https://pan.baidu.com/s/1X08cwwSE4DUvzT0XvHvpvw?pwd=9yyq
示例代码中用到的视频下载链接：

# 博主微信/QQ 2487872782
# 有问题可以联系博主交流
# 有图像处理需求也可联系博主
# 图像处理技术交流QQ群 271891601

# !/usr/bin/env python
# -*- coding: utf-8 -*-
# OpenCV的版本为4.1

import cv2 as cv

# 构造VideoCapture对象
cap = cv.VideoCapture('F:/material/videos/car1.avi')

# 创建一个背景分割器
pBackgroundCNT = cv.bgsegm.createBackgroundSubtractorCNT()

while True:
    ret, frame = cap.read()  # 读取视频
    # 当所有帧读取完毕后退出循环
    if ret is False:
        print('视频读取失败或者视频已读取完毕')
        break
    else:
        frame = cv.resize(frame, (0, 0), fx=0.3, fy=0.3)
        FGMask = pBackgroundCNT.apply(frame)  # 背景分割，并得到前景图像
        BGimgae = pBackgroundCNT.getBackgroundImage()  # 得到背景图像

        current_frame = int(cap.get(cv.CAP_PROP_POS_FRAMES))
        cv.putText(frame, "Current frame:" + str(current_frame), (20, 40), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255))

        cv.imshow('frame', frame)  # 显示原始帧
        cv.imshow('FGMask', FGMask)  # 显示得到的前景图像
        cv.imshow('BGimgae', BGimgae)  # 显示得到的背景图像

    if cv.waitKey(10) & 0xff == 27:  # 按ESC键退出
        break

cap.release()
cv.destroyAllWindows()

运行结果如下图所示：
在这里插入图片描述
为了方便大观察运行结果，博主录了个视频，视频在线观看和下载链接如下：
https://pan.baidu.com/s/11jhrJlPdCLmS8HicAvFiag?pwd=vhx2

从以上运行结果我们可以看出：
①类cv::bgsegm::BackgroundSubtractorCNT分离出的背景为灰度图像。
②类cv::bgsegm::BackgroundSubtractorCNT虽然拥有较快的处理速度，但背景前景分离上的效果也打了折扣。
③类cv::bgsegm::BackgroundSubtractorCNT不具备阴影检测的功能。

延伸阅读：
OpenCV3.0中有哪些视频背景/前景分割(背景建模/前景提取)算法的类,它们各自的算法原理、特点是什么,并附示例代码
 OpenCV4中有哪些视频背景/前景分割(背景建模/前景提取)算法的类,它们各自的算法原理、特点是什么,并附示例代码

详解OpenCV的视频背景/前景分割(背景建模/前景提取)类cv::bgsegm::BackgroundSubtractorCNT,并利用它实现对道路监控视频前景的提取

猜你喜欢