Python OpenCV 3 使用背景減除進行目標檢測

背景減除(Background Subtraction)是許多基於計算機視覺的任務中的主要預處理步驟。如果我們有完整的靜止的背景幀，那麼我們可以透過幀差法來計算畫素差從而獲取到前景物件。但是在大多數情況下，我們可能沒有這樣的影像，所以我們需要從我們擁有的任何影像中提取背景。當運動物體有陰影時，由於陰影也在移動，情況會變的變得更加複雜。為此引入了背景減除演算法，透過這一方法我們能夠從影片中分離出運動的物體前景，從而達到目標檢測的目的。 OpenCV已經實現了幾種非常容易使用的演算法。

環境

• Python 3.6

• OpenCV 3.2 + contrib

在Python下可以透過直接匯入wheel包來安裝opencv+contrib,可以從下面這個網址下載對應的檔案：opencv_python‑3.2.0+contrib‑cp36‑cp36m‑win_amd64.whl

KNN

KNN演算法，即K-nearest neigbours - based Background/Foreground Segmentation  Algorithm。2006年，由Zoran Zivkovic 和Ferdinand van der Heijden在論文"Efficient adaptive density estimation per image pixel for the task of background subtraction."中提出。

bs = cv2.createBackgroundSubtractorKNN(detectShadows=True)

fg_mask = bs.apply(frame)

knn.jpg

MOG

MOG演算法，即高斯混合模型分離演算法，全稱Gaussian Mixture-based Background/Foreground Segmentation Algorithm。2001年，由P.KadewTraKuPong和R.Bowden在論文“An improved adaptive background mixture model for real-time tracking with shadow detection”中提出。它使用一種透過K高斯分佈的混合來對每個背景畫素進行建模的方法(K = 3〜5）。

bs = cv2.bgsegm.createBackgroundSubtractorMOG(history=history)
bs.setHistory(history)

fg_mask = bs.apply(frame)

mog.jpg

MOG2

MOG2演算法，也是高斯混合模型分離演算法，是MOG的改進演算法。它基於Z.Zivkovic釋出的兩篇論文，即2004年釋出的“Improved adaptive Gausian mixture model for background subtraction”和2006年釋出的“Efficient Adaptive Density Estimation per Image Pixel for the Task of Background Subtraction”中提出。該演算法的一個重要特徵是 它為每個畫素選擇適當數量的高斯分佈，它可以更好地適應不同場景的照明變化等。

bs = cv2.createBackgroundSubtractorMOG2(history=history, detectShadows=True)
bs.setHistory(history)

fg_mask = bs.apply(frame)

mog2.jpg

GMG

該演算法結合統計背景影像估計和每畫素貝葉斯分割。由 Andrew B. Godbehere, Akihiro Matsukawa, Ken Goldberg在2012年的文章“Visual Tracking of Human Visitors under Variable-Lighting Conditions for a Responsive Audio Art Installation”中提出。該演算法使用前幾個（預設為120）幀進行後臺建模。它採用機率前景分割演算法，使用貝葉斯推理識別可能的前景物件。

bs = cv2.bgsegm.createBackgroundSubtractorGMG(initializationFrames=history)

fg_mask = bs.apply(frame)

gmg.jpg

使用KNN根據前景面積檢測運動物體

程式碼：

# coding:utf8import cv2def detect_video(video):
    camera = cv2.VideoCapture(video)
    history = 20    # 訓練幀數

    bs = cv2.createBackgroundSubtractorKNN(detectShadows=True)  # 背景減除器，設定陰影檢測
    bs.setHistory(history)

    frames = 0

    while True:
        res, frame = camera.read()        if not res:            break

        fg_mask = bs.apply(frame)   # 獲取 foreground mask

        if frames 
效果：
detect.jpg


作者：洛荷
連結：