基于 [107] 中给出的算法的背景减除模块。更多...

#include <opencv2/bgsegm.hpp>

cv::bgsegm::BackgroundSubtractorGMG 的协作图

公共成员函数
virtual void	apply (InputArray image, OutputArray fgmask, double learningRate=-1) CV_OVERRIDE=0
	计算前景掩码。

virtual void	getBackgroundImage (OutputArray backgroundImage) const CV_OVERRIDE=0
	计算背景图像。

virtual double	getBackgroundPrior () const =0
	返回每个独立像素是背景像素的先验概率。

virtual double	getDecisionThreshold () const =0
	返回决策阈值。

virtual double	getDefaultLearningRate () const =0
	返回算法的学习率。

virtual int	getMaxFeatures () const =0
	返回直方图中要维护的不同颜色的总数。

virtual double	getMaxVal () const =0
	返回图像序列中像素的最大值，例如 1.0 或 255。

virtual double	getMinVal () const =0
	返回图像序列中像素的最小值，通常为 0。

virtual int	getNumFrames () const =0
	返回用于初始化背景模型的帧数。

virtual int	getQuantizationLevels () const =0
	返回用于颜色空间量化的参数。

virtual int	getSmoothingRadius () const =0
	返回用于形态学操作的核半径。

virtual bool	getUpdateBackgroundModel () const =0
	返回背景模型更新状态。

virtual void	setBackgroundPrior (double bgprior)=0
	设置每个独立像素是背景像素的先验概率。

virtual void	setDecisionThreshold (double thresh)=0
	设置决策阈值。

virtual void	setDefaultLearningRate (double lr)=0
	设置算法的学习率。

virtual void	setMaxFeatures (int maxFeatures)=0
	设置直方图中要维护的不同颜色的总数。

virtual void	setMaxVal (double val)=0
	设置图像序列中像素的最大值。

virtual void	setMinVal (double val)=0
	设置图像序列中像素的最小值。

virtual void	setNumFrames (int nframes)=0
	设置用于初始化背景模型的帧数。

virtual void	setQuantizationLevels (int nlevels)=0
	设置用于颜色空间量化的参数。

virtual void	setSmoothingRadius (int radius)=0
	设置用于形态学操作的核半径。

virtual void	setUpdateBackgroundModel (bool update)=0
	设置背景模型更新状态。

继承自 cv::BackgroundSubtractor 的公共成员函数
继承自 cv::Algorithm 的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual bool	empty () const
	如果 Algorithm 为空（例如，在开始时或读取不成功后），则返回 true。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储中。

void	write (FileStorage &fs, const String &name) const

其他继承成员
继承自 cv::Algorithm 的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

继承自 cv::Algorithm 的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

基于 [107] 中给出的算法的背景减除模块。

获取一系列图像并返回相同大小的掩码 (8UC1) 图像序列，其中 255 表示前景，0 表示背景。此类实现了 A. Godbehere、A. Matsukawa、K. Goldberg 在 2012 年 6 月蒙特利尔举行的美国控制会议上发表的论文《在可变照明条件下对人类访客进行视觉跟踪以实现响应式音频艺术装置》中描述的算法。

成员函数文档

◆ apply()

virtual void cv::bgsegm::BackgroundSubtractorGMG::apply	(	InputArray	image,
		OutputArray	fgmask,
		double	learningRate = -1 )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.apply(	image[, fgmask[, learningRate]]	) ->	fgmask

计算前景掩码。

参数

image	下一帧视频，类型为 CV_8UC(n),CV_8SC(n),CV_16UC(n),CV_16SC(n),CV_32SC(n),CV_32FC(n),CV_64FC(n)，其中 n 为 1,2,3,4。
fgmask	作为 8 位二进制图像的输出前景掩码。
learningRate	介于 0 和 1 之间的值，表示背景模型的学习速度。负参数值表示算法使用自动选择的学习率。0 表示背景模型完全不更新，1 表示背景模型从最后一帧完全重新初始化。

实现 cv::BackgroundSubtractor。

◆ getBackgroundImage()

virtual void cv::bgsegm::BackgroundSubtractorGMG::getBackgroundImage ( OutputArray backgroundImage ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getBackgroundImage(	[, backgroundImage]	) ->	backgroundImage

计算背景图像。

参数

backgroundImage 输出背景图像。

注意: 有时背景图像可能非常模糊，因为它包含平均背景统计数据。

实现 cv::BackgroundSubtractor。

◆ getBackgroundPrior()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getBackgroundPrior ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getBackgroundPrior(		) ->	retval

返回每个独立像素是背景像素的先验概率。

◆ getDecisionThreshold()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getDecisionThreshold ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getDecisionThreshold(		) ->	retval

返回决策阈值。

决策值是高于该值时像素被确定为前景 (FG) 的值。

◆ getDefaultLearningRate()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getDefaultLearningRate ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getDefaultLearningRate(		) ->	retval

返回算法的学习率。

介于 0.0 和 1.0 之间。它决定了从直方图中“遗忘”特征的速度。

◆ getMaxFeatures()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getMaxFeatures ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getMaxFeatures(		) ->	retval

返回直方图中要维护的不同颜色的总数。

◆ getMaxVal()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getMaxVal ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getMaxVal(		) ->	retval

返回图像序列中像素的最大值，例如 1.0 或 255。

◆ getMinVal()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getMinVal ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getMinVal(		) ->	retval

返回图像序列中像素的最小值，通常为 0。

◆ getNumFrames()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getNumFrames ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getNumFrames(		) ->	retval

返回用于初始化背景模型的帧数。

◆ getQuantizationLevels()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getQuantizationLevels ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getQuantizationLevels(		) ->	retval

返回用于颜色空间量化的参数。

它是直方图中每个通道使用的离散级别数。

◆ getSmoothingRadius()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getSmoothingRadius ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getSmoothingRadius(		) ->	retval

返回用于形态学操作的核半径。

◆ getUpdateBackgroundModel()

virtual bool cv::bgsegm::BackgroundSubtractorGMG::getUpdateBackgroundModel ( ) const

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.getUpdateBackgroundModel(		) ->	retval

返回背景模型更新状态。

◆ setBackgroundPrior()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setBackgroundPrior ( double bgprior )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setBackgroundPrior(	bgprior	) ->	无

设置每个独立像素是背景像素的先验概率。

◆ setDecisionThreshold()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setDecisionThreshold ( double thresh )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setDecisionThreshold(	thresh	) ->	无

设置决策阈值。

◆ setDefaultLearningRate()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setDefaultLearningRate ( double lr )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setDefaultLearningRate(	lr	) ->	无

设置算法的学习率。

◆ setMaxFeatures()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setMaxFeatures ( int maxFeatures )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setMaxFeatures(	maxFeatures	) ->	无

设置直方图中要维护的不同颜色的总数。

◆ setMaxVal()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setMaxVal ( double val )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setMaxVal(	val	) ->	无

设置图像序列中像素的最大值。

◆ setMinVal()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setMinVal ( double val )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setMinVal(	val	) ->	无

设置图像序列中像素的最小值。

◆ setNumFrames()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setNumFrames ( int nframes )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setNumFrames(	nframes	) ->	无

设置用于初始化背景模型的帧数。

◆ setQuantizationLevels()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setQuantizationLevels ( int nlevels )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setQuantizationLevels(	nlevels	) ->	无

设置用于颜色空间量化的参数。

◆ setSmoothingRadius()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setSmoothingRadius ( int radius )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setSmoothingRadius(	radius	) ->	无

设置用于形态学操作的核半径。

◆ setUpdateBackgroundModel()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setUpdateBackgroundModel ( bool update )

纯虚函数

Python
	cv.bgsegm.BackgroundSubtractorGMG.setUpdateBackgroundModel(	update	) ->	无

设置背景模型更新状态。

此类的文档生成自以下文件

opencv2/bgsegm.hpp

公共成员函数

其他继承成员

详细描述

成员函数文档

◆ apply()

◆ getBackgroundImage()

◆ getBackgroundPrior()

◆ getDecisionThreshold()

◆ getDefaultLearningRate()

◆ getMaxFeatures()

◆ getMaxVal()

◆ getMinVal()

◆ getNumFrames()

◆ getQuantizationLevels()

◆ getSmoothingRadius()

◆ getUpdateBackgroundModel()

◆ setBackgroundPrior()

◆ setDecisionThreshold()

◆ setDefaultLearningRate()

◆ setMaxFeatures()

◆ setMaxVal()

◆ setMinVal()

◆ setNumFrames()

◆ setQuantizationLevels()

◆ setSmoothingRadius()

◆ setUpdateBackgroundModel()