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

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，考虑诸如访客计数器之类的情况，其中静态相机拍摄进入或离开房间的访客人数，或交通摄像头提取有关车辆的信息等。在所有这些情况下，首先您需要单独提取人员或车辆。 从技术上讲，您需要从静态背景中提取移动的前景。

如果您只有背景图像，例如没有访客的房间图像，没有车辆的道路图像等，这是一项容易的工作。 只需从背景中减去新图像即可。 您将单独获得前景对象。 但是在大多数情况下，您可能没有这样的图像，因此我们需要从我们拥有的任何图像中提取背景。 当车辆有阴影时，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。 这使事情复杂化。

OpenCV.js 为此目的实现了一种算法，该算法非常易于使用。

BackgroundSubtractorMOG2

它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，分别是 2004 年的“用于背景减除的改进的自适应高斯混合模型”和 2006 年的“用于背景减除任务的每图像像素的有效自适应密度估计”。 该算法的一个重要特征是它为每个像素选择适当的高斯分布数量。 它为适应变化场景（例如光照变化等）提供了更好的适应性。

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

参数

history	历史的长度。
varThreshold	像素与样本之间的平方距离阈值，用于确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，则该算法将检测阴影并标记它们。 它会稍微降低速度，因此如果您不需要此功能，请将该参数设置为 false。

返回

cv.BackgroundSubtractorMOG2 的实例

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

参数

image	下一个视频帧。 浮点帧将不进行缩放使用，并且应在 [0,255] 范围内。
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，指示背景模型学习的速度。 负参数值使算法使用一些自动选择的学习率。 0 表示根本不更新背景模型，1 表示从最后一帧完全重新初始化背景模型。

注意

cv.BackgroundSubtractorMOG2 的实例应手动删除。

试试看