基于 K 近邻的背景/前景分割算法。更多...

#include <opencv2/video/background_segm.hpp>

cv::BackgroundSubtractorKNN 的协作图

公共成员函数
virtual bool	getDetectShadows () const =0
	返回阴影检测标志。

virtual double	getDist2Threshold () const =0
	返回像素与样本之间平方距离的阈值。

virtual int	getHistory () const =0
	返回影响背景模型的最后帧数。

virtual int	getkNNSamples () const =0
	返回邻居数，即 kNN 中的 k。

virtual int	getNSamples () const =0
	返回背景模型中的数据样本数。

virtual double	getShadowThreshold () const =0
	返回阴影阈值。

virtual int	getShadowValue () const =0
	返回阴影值。

virtual void	setDetectShadows (bool detectShadows)=0
	启用或禁用阴影检测。

virtual void	setDist2Threshold (double _dist2Threshold)=0
	设置平方距离的阈值。

virtual void	setHistory (int history)=0
	设置影响背景模型的最后帧数。

virtual void	setkNNSamples (int _nkNN)=0
	设置 kNN 中的 k。需要匹配的最近邻居数。

virtual void	setNSamples (int _nN)=0
	设置背景模型中的数据样本数。

virtual void	setShadowThreshold (double threshold)=0
	设置阴影阈值。

virtual void	setShadowValue (int value)=0
	设置阴影值。

从 cv::BackgroundSubtractor 继承的公共成员函数
virtual void	apply (InputArray image, OutputArray fgmask, double learningRate=-1)=0
	计算前景掩码。

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

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual bool	empty () const
	如果算法为空（例如，在开始时或读取失败后），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

附加的继承成员
从 cv::Algorithm 继承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。

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

详细描述

基于 K 近邻的背景/前景分割算法。

该类实现了 [326] 中描述的 K 近邻背景减法。如果前景像素数量较少，则非常有效。

成员函数文档

◆ getDetectShadows()

virtual bool cv::BackgroundSubtractorKNN::getDetectShadows ( ) const

纯虚函数

Python
	cv.BackgroundSubtractorKNN.getDetectShadows(		) ->	retval

返回阴影检测标志。

如果为 true，则该算法检测阴影并标记它们。有关详细信息，请参见 createBackgroundSubtractorKNN。

◆ getDist2Threshold()

virtual double cv::BackgroundSubtractorKNN::getDist2Threshold ( ) const

纯虚函数

Python
	cv.BackgroundSubtractorKNN.getDist2Threshold(		) ->	retval

返回像素与样本之间平方距离的阈值。

像素与样本之间平方距离的阈值，用于确定像素是否接近数据样本。

◆ getHistory()

virtual int cv::BackgroundSubtractorKNN::getHistory ( ) const

纯虚函数

Python
	cv.BackgroundSubtractorKNN.getHistory(		) ->	retval

返回影响背景模型的最后帧数。

◆ getkNNSamples()

virtual int cv::BackgroundSubtractorKNN::getkNNSamples ( ) const

纯虚函数

Python
	cv.BackgroundSubtractorKNN.getkNNSamples(		) ->	retval

返回邻居数，即 kNN 中的 k。

K 是在 dist2Threshold 内需要多少个样本才能确定该像素与 kNN 背景模型匹配。

◆ getNSamples()

virtual int cv::BackgroundSubtractorKNN::getNSamples ( ) const

纯虚函数

Python
	cv.BackgroundSubtractorKNN.getNSamples(		) ->	retval

返回背景模型中的数据样本数。

◆ getShadowThreshold()

virtual double cv::BackgroundSubtractorKNN::getShadowThreshold ( ) const

纯虚函数

Python
	cv.BackgroundSubtractorKNN.getShadowThreshold(		) ->	retval

返回阴影阈值。

如果像素是背景的较暗版本，则检测到阴影。阴影阈值（论文中的 Tau）是定义阴影可以有多暗的阈值。 Tau= 0.5 意味着如果像素的亮度超过两倍，则它不是阴影。请参阅 Prati, Mikic, Trivedi 和 Cucchiara, Detecting Moving Shadows...*, IEEE PAMI,2003。

◆ getShadowValue()

virtual int cv::BackgroundSubtractorKNN::getShadowValue ( ) const

纯虚函数

Python
	cv.BackgroundSubtractorKNN.getShadowValue(		) ->	retval

返回阴影值。

阴影值是用于在前景蒙版中标记阴影的值。默认值为 127。蒙版中的值 0 始终表示背景，255 表示前景。

◆ setDetectShadows()

virtual void cv::BackgroundSubtractorKNN::setDetectShadows ( bool detectShadows )

纯虚函数

Python
	cv.BackgroundSubtractorKNN.setDetectShadows(	detectShadows	) ->	无

启用或禁用阴影检测。

◆ setDist2Threshold()

virtual void cv::BackgroundSubtractorKNN::setDist2Threshold ( double _dist2Threshold )

纯虚函数

Python
	cv.BackgroundSubtractorKNN.setDist2Threshold(	_dist2Threshold	) ->	无

设置平方距离的阈值。

◆ setHistory()

virtual void cv::BackgroundSubtractorKNN::setHistory ( int history )

纯虚函数

Python
	cv.BackgroundSubtractorKNN.setHistory(	history	) ->	无

设置影响背景模型的最后帧数。

◆ setkNNSamples()

virtual void cv::BackgroundSubtractorKNN::setkNNSamples ( int _nkNN )

纯虚函数

Python
	cv.BackgroundSubtractorKNN.setkNNSamples(	_nkNN	) ->	无

设置 kNN 中的 k。需要匹配的最近邻居数。

◆ setNSamples()

virtual void cv::BackgroundSubtractorKNN::setNSamples ( int _nN )

纯虚函数

Python
	cv.BackgroundSubtractorKNN.setNSamples(	_nN	) ->	无

设置背景模型中的数据样本数。

需要重新初始化模型以保留内存。

◆ setShadowThreshold()

virtual void cv::BackgroundSubtractorKNN::setShadowThreshold ( double RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。 )

纯虚函数

Python
	cv.BackgroundSubtractorKNN.setShadowThreshold(	RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。	) ->	无

设置阴影阈值。

◆ setShadowValue()

virtual void cv::BackgroundSubtractorKNN::setShadowValue ( int 值 )

纯虚函数

Python
	cv.BackgroundSubtractorKNN.setShadowValue(	值	) ->	无

设置阴影值。

此类文档由以下文件生成

opencv2/video/background_segm.hpp

公共成员函数

附加的继承成员

详细描述

成员函数文档

◆ getDetectShadows()

◆ getDist2Threshold()

◆ getHistory()

◆ getkNNSamples()

◆ getNSamples()

◆ getShadowThreshold()

◆ getShadowValue()

◆ setDetectShadows()

◆ setDist2Threshold()

◆ setHistory()

◆ setkNNSamples()

◆ setNSamples()

◆ setShadowThreshold()

◆ setShadowValue()