背景减除

目标

• 我们将熟悉OpenCV.js中可用的背景减除方法。

基础知识

背景减除是许多基于视觉的应用程序中的主要预处理步骤。例如，考虑访客计数器的情况，其中静态摄像头记录进入或离开房间的访客数量，或者交通摄像头提取有关车辆的信息等。在所有这些情况下，首先需要单独提取人员或车辆。从技术上讲，需要从静态背景中提取移动的前景。

如果你只有单独的背景图像，例如没有访客的房间图像，没有车辆的道路图像等，这是一个简单的任务。只需从背景图像中减去新图像即可。你将得到单独的前景对象。但在大多数情况下，你可能没有这样的图像，因此我们需要从现有的图像中提取背景。当存在车辆阴影时，情况会变得更加复杂。由于阴影也在移动，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为此目的实现了一种算法，该算法非常易于使用。

BackgroundSubtractorMOG2

这是一种基于高斯混合的背景/前景分割算法。它基于Z.Zivkovic的两篇论文，2004年的“改进的自适应高斯混合模型用于背景减除”和2006年的“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”。该算法的一个重要特性是它为每个像素选择合适数量的高斯分布。由于光照变化等原因，它提供了对变化场景的更好适应性。

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	像素与样本之间平方距离的阈值，用于决定像素是否接近该样本。此参数不影响背景更新。
detectShadows	如果为真，则算法将检测阴影并对其进行标记。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。

返回值

cv.BackgroundSubtractorMOG2 实例

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

参数

image	下一个视频帧。浮点型帧将在不缩放的情况下使用，并且应在[0,255]范围内。
fgmask	输出前景掩码，作为8位二值图像。
learningRate	0到1之间的值，指示学习背景模型的速度。负参数值使算法使用某些自动选择的学习率。0表示背景模型根本没有更新，1表示背景模型已从最后一帧完全重新初始化。

注意

应手动删除cv.BackgroundSubtractorMOG2的实例。

试一试