网站建设公司宣传,手机网站开发人员工具,人工智能ai写作网站免费,wordpress 4.1.1 漏洞视频分割背景 1.概念介绍2. 函数介绍MOG算法MOG2算法GMG算法 原视频获取链接 1.概念介绍
视频背景扣除原理#xff1a;视频是一组连续的帧#xff08;一幅幅图组成#xff09;#xff0c;帧与帧之间关系密切(GOP/group of picture)#xff0c;在GOP中#xff0c;背景几乎… 视频分割背景 1.概念介绍2. 函数介绍MOG算法MOG2算法GMG算法 原视频获取链接 1.概念介绍
视频背景扣除原理视频是一组连续的帧一幅幅图组成帧与帧之间关系密切(GOP/group of picture)在GOP中背景几乎是不变的变的永远是前景。
背景分离BS是一种通过使用静态相机来生成前景掩码即包含属于场景中的移动对象像素的二进制图像的常用技术顾名思义BS计算前景掩码在当前帧与背景模型之间执行减法运算其中包含场景的静态部分或者更一般而言考虑到所观察场景的特征可以将其视为背景的所有内容。 2. 函数介绍
MOG算法 cv2.createBackgroundSubtractorMOG(history, nmixtures, backgroundRatio, noiseSigma) history用于训练背景的帧数默认为200帧 nmixtures高斯范围值默认为55*5的卷积核 backgroindRatio背景比率默认0.7 noiseSigma默认0自动降噪 代码示例
import cv2
import numpy as np# 读取视频帧
cap cv2.VideoCapture(./video/vtest.avi)
mog cv2.bgsegm.createBackgroundSubtractorMOG()while True:ret, frame cap.read()if ret False:exit(1)fgmask mog.apply(frame)cv2.imshow(text, fgmask)k cv2.waitKey(10) 0xffif k ord(q):breakcap.release()
cv2.destroyAllWindows() MOG2算法
MOG2增加的是对阴影的识别但是会产生更多的噪点。 cv2.createBackgroundSubtractorMOG2() 参数同MOG一样 detectShadows是否检测阴影默认为True import cv2
import numpy as np# 读取视频帧
cap cv2.VideoCapture(./video/vtest.avi)
# mog cv2.bgsegm.createBackgroundSubtractorMOG()
mog cv2.createBackgroundSubtractorMOG2()while True:ret, frame cap.read()if ret False:exit(1)fgmask mog.apply(frame)#cv2.imshow(MOG, fgmask)cv2.imshow(MOG2, fgmask)k cv2.waitKey(10) 0xffif k ord(q):breakcap.release()
cv2.destroyAllWindows() GMG算法
GMG算法的抗噪性更强但是该算法有缓存初始帧即缓存的帧数不显示。 算法cv2.bgsegm.createBackgroundSubtractorGMG(initializationFrames120) initializationFrames默认帧数为120需要吃掉120帧对之后的帧进行优化。 import cv2
import numpy as np# 读取视频帧
cap cv2.VideoCapture(./video/vtest.avi)
# mog cv2.bgsegm.createBackgroundSubtractorMOG()
# mog cv2.createBackgroundSubtractorMOG2()
gmg cv2.bgsegm.createBackgroundSubtractorGMG()while True:ret, frame cap.read()if ret False:exit(1)fgmask gmg.apply(frame)#cv2.imshow(MOG, fgmask)cv2.imshow(MOG2, fgmask)k cv2.waitKey(10) 0xffif k ord(q):breakcap.release()
cv2.destroyAllWindows() 原视频获取链接
以上就是视频分割的基本使用方式详情烦请参考相关论文和相关文档。
