背景减除算法之K
2017/12/16 446  Python版本：3.5.2，Opencv版本：3.2.0，网上安装教程很多，在此不再赘述MOG2算法，即高斯混合模型分离算法，是MOG的改进算法。它基于Z.Zivkovic发布的两篇论文，即2004年发布的“Improved adaptive Gausian mixture model for background subtraction”和2006年发布的“Efficient Adaptive Density Estimation per Image Pixel for the Task of Background Subtraction”中提出。KNN算法，即K-nearest neigbours - based Background/Foreground Segmentation Algorithm。2006年，由Zoran Zivkovic 和Ferdinand van der Heijden在论文”Efficient adaptive density estimation per image pixel for the task of background subtraction.”中提出。下面介绍两种算法的具体实现，实验中所用到的视频为CASIA步态数据库，用以上两种算法分别提取步态轮廓图像步态视频已上传到百度云，步态视频，提取密码：9mt0
 （一）MOG2算法实现import numpy as npimport cv2cap=cv2.VideoCapture(‘D:\gait-vedio\gait.avi’)#混合高斯，对每一帧的环境进行学习，常用来对不同帧进行比较，并存储以前的帧，可按时间推移的方法提高运动分析的结果。ateBackgroundSubtractorMOG2() while(1): #默认第一帧为背景图片ret,ad() fgmask=fgbg.apply(frame) cv2.imshow(‘frame’,fgmask) k=cv2.waitKey(30) 0xff#按’q’键退出循环if k== ord(‘q’): lease()cv2.destroyAllWindows()  实验结果，（一）KNN算法实现采用KNN实现视频图像的背景分割算法，并且保存每一帧图像（与视频文件在相同的文件夹）
 import cv2#视频文件路径datapath = “D:/test1gait/”bs = ateBackgroundSubtractorKNN(detectShadows = False)#背景减除器，设置阴影检测#训练帧数history=20 bs.setHistory(history)frames=0camera = cv2.VideoCapture(datapath + “gait2.avi”)count = 0#对原始帧进行膨胀去噪，#前景区域二值化，将非白（0-244）的非前景区域（包含背景以及阴影）均设为0，前景
numpy教程 pdf

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。