背景减除

目标

• 我们将熟悉 OpenCV.js 中提供的背景减除方法。

基础

背景减除是许多基于视觉的应用中的主要预处理步骤。例如，考虑访客计数等情况，其中固定摄像头记录进出房间的访客人数，或交通摄像头提取有关车辆的信息等。在所有这些情况下，你首先需要单独提取人物或车辆。从技术上讲，你需要从静态背景中提取移动的前景。

如果你有一张仅包含背景的图像，例如没有访客的房间图像、没有车辆的道路图像等，那就很容易了。只需从背景减去新图像即可。你就能单独得到前景对象。但在大多数情况下，你可能没有这样的图像，所以我们需要从我们拥有的任何图像中提取背景。当有车辆的阴影时，情况会变得更加复杂。由于阴影也在移动，因此简单的减法也会将其标记为前景。这会使事情变得复杂。

OpenCV.js 实现了一种用于此目的的算法，它非常易于使用。

BackgroundSubtractorMOG2

它是一种基于高斯混合模型的背景/前景分割算法。它基于 Z.Zivkovic 在 2004 年发表的“用于背景减除的改进自适应高斯混合模型”和在 2006 年发表的“用于背景减除任务的每个图像像素的高效自适应密度估计”这两篇论文。此算法的一个重要特性是它为每个像素选择适当数量的高斯分布。由于明暗变化等原因，它提供了对不断变化的场景的更好的适应性。

在编码时，我们使用构造函数：cv.BackgroundSubtractorMOG2 (history = 500, varThreshold = 16, detectShadows = true)

参数

history	历史长度。
varThreshold	像素与样本之间的平方距离上的阈值，用于决定像素是否接近该样本。此参数不影响背景更新。
detectShadows	如果为 true，算法将检测阴影并进行标记。这会稍微降低速度，因此如果你不需要此功能，请将参数设置为 false。

返回

cv.BackgroundSubtractorMOG2 实例

使用 apply (image, fgmask, learningRate = -1) 方法获取前景蒙版

参数

image	下一视频帧。浮点帧将会被使用，无需缩放，并且应该在 [0,255] 范围内。
fgmask	输出图像的前景蒙版，作为 8 位二进制图像。（fgmask = foreground mask，前景蒙版）
learningRate	一个在 0 至 1 之间的值，表示学习背景模型的速度。负的参数值会使算法采用自动选择学习率。0 意味着背景模型完全没有更新，1 意味着从最后一帧完全重新初始化背景模型。

注意

cv.BackgroundSubtractorMOG2 的实例应该手动删除。

尝试