背景減除演算法之K-Nearest(KNN)和Mixture of Gaussians(MOG2)

Python版本:3.5.2,Opencv版本:3.2.0,網上安裝教程很多,在此不再贅述
MOG2演算法,即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。
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。
下面介紹兩種演算法的具體實現,實驗中所用到的視訊為CASIA步態資料庫,用以上兩種演算法分別提取步態輪廓影象
步態視訊已上傳到百度雲,步態視訊,提取密碼:9mt0

(一)MOG2演算法實現

import numpy as np
import cv2
cap=cv2.VideoCapture('D:\gait-vedio\gait.avi')
#混合高斯,對每一幀的環境進行學習,常用來對不同幀進行比較,並儲存以前的幀,可按時間推移的方法提高運動分析的結果。
fgbg=cv2.createBackgroundSubtractorMOG2() 
while(1):
#預設第一幀為背景圖片
ret,frame=cap.read()
fgmask=fgbg.apply(frame)
cv2.imshow('frame',fgmask)
k=cv2.waitKey(30)&0xff
#按'q'鍵退出迴圈
if k== ord('q'):
break
cap.release()
cv2.destroyAllWindows()

實驗結果,
實驗結果
(一)KNN演算法實現
採用KNN實現視訊影象的背景分割演算法,並且儲存每一幀影象(與視訊檔案在相同的資料夾)

import cv2
#視訊檔案路徑
datapath = "D:/test1gait/"
bs = cv2.createBackgroundSubtractorKNN(detectShadows = False)#背景減除器,設定陰影檢測
#訓練幀數
history=20 
bs.setHistory(history)
frames=0
camera = cv2.VideoCapture(datapath   "gait2.avi")
count = 0
while True:
ret, frame = camera.read()#返回元組  ret=True/False,代表是否讀取到了圖片
if ret==True:
#計算前景掩碼,包含 前景的白色值 以及 陰影的灰色值
fgmask = bs.apply(frame)
if frames < history:
frames  = 1
continue
#讀取每一幀
print('Read a new frame: ', ret)
#對原始幀進行膨脹去噪,
#前景區域二值化,將非白色(0-244)的非前景區域(包含背景以及陰影)均設為0,前景的白色(244-255)設定為255
th = cv2.threshold(fgmask.copy(), 244, 255, cv2.THRESH_BINARY)[1]
#前景區域形態學處理
th = cv2.erode(th, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3)), iterations = 2)
dilated = cv2.dilate(th, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (8,3)), iterations = 2)
#繪製前景影象的檢測框
image, contours, hier = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
#對輪廓設定最小區域,對檢測結果降噪
if cv2.contourArea(c) > 1000:
#獲取矩形框邊界座標
(x,y,w,h) = cv2.boundingRect(c)
cv2.rectangle(frame, (x,y), (x w, y h), (255, 255, 0), 2)
cv2.imwrite("frame%d.jpg" % count, fgmask)#儲存處理後的每一幀圖片,JPEG格式的圖片
#顯示
cv2.imshow("mog", fgmask)
cv2.imshow("thresh", th)
cv2.imshow("diff", frame & cv2.cvtColor(fgmask, cv2.COLOR_GRAY2BGR))
cv2.imshow("detection", frame)
count  = 1
if cv2.waitKey(100) & 0xFF == ord('q'):
break
else:
break
camera.release()
cv2.destroyAllWindows()

實驗結果:
這裡寫圖片描述

這裡寫圖片描述