C/C++开发，opencv内置背景减除算法与运动检测

目录

一、c++ opencv 背景减除算法内置算法

1.1 MOG2算法

1.2 KNN算法

二、完整案例实现

2.1 程序代码

2.2 程序编译及输出

一、c++ opencv 背景减除算法内置算法

        背景减除算法的目标是将视频帧中的背景与前景（通常是移动的对象）分离。OpenCV提供MOG2（Gaussian Mixture-based Background/Foreground Segmentation）和KNN（K-Nearest Neighbors）等背景减除算法，他们都派生于BackgroundSubtractor，各派生类需要重写父类的apply函数。

CV_WRAP virtual void apply(InputArray image, OutputArray fgmask, double learningRate=-1) = 0;

这些内置算法，来自video模块的modules\video\include\opencv2\video\background_segm.hpp。

1.1 MOG2算法

        BackgroundSubtractorMOG2是基于高斯混合模型（Gaussian Mixture Model, GMM）的背景减除算法。它适用于处理具有动态背景的场景，如对于缓慢变化的光照条件和动态背景（如摇曳的树叶或水面波纹）也具有一定的鲁棒性。

        apply()函数是BackgroundSubtractorMOG2类的一个重写父类BackgroundSubtractor的成员函数，它接受一个输入帧（frame），并输出一个前景掩模（fgMaskMOG2）。前景掩模是一个灰度图像，其中背景像素接近黑色（值接近0），而前景（移动的对象）像素则更亮（值接近255）。

1.2 KNN算法

        BackgroundSubtractorKNN是基于K近邻（K-Nearest Neighbors, KNN）算法的背景减除器。这种算法对于处理突然的光照变化或复杂的动态背景可能更为有效。

        与BackgroundSubtractorMOG2的示例类似。apply()函数是BackgroundSubtractorKNN类的一个重写父类BackgroundSubtractor的成员函数，它接受一个输入帧（frame），并输出一个前景掩模（fgMaskKNN）。前景掩模是一个灰度图像，其中背景像素接近黑色（值接近0），而前景（移动的对象）像素则更亮（值接近255）。

   BackgroundSubtractorKNN类有几个可以调整的参数，如nframes（用于算法训练的初始帧数）、dist2Threshold（前景检测中的距离阈值）等。这些参数可以通过setNFrames()、setDist2Threshold()等成员函数进行设置。

二、完整案例实现

2.1 程序代码

        main.cpp代码，先读取一段视频或打开摄像头，并创建一个BackgroundSubtractorMOG2实例或BackgroundSubtractorKNN实例。然后，在读取视频帧的循环中，使用apply()方法将当前帧与背景模型进行比较，并生成一个前景掩模（fgMask）。这个掩模是一个与输入帧相同大小的灰度图像，其中背景像素接近黑色（值接近0），而前景像素则更亮（值接近255）。

#include <opencv2/opencv.hpp>  
#include <vector>
#include <iostream>

int main(int argc, char* argv[]) 
{  
    cv::VideoCapture capture; // 视频捕获对象 
    if(argc< 2){ 
        capture.open(0);        //0是摄像头的索引
	}else{        
        // 加载视频 
        capture.open(argv[1]);  //如果是视频文件，则传入文件路径  
    }
    // cv::VideoCapture capture(0); // 0是摄像头的索引，如果是视频文件，则传入文件路径  
    if (!capture.isOpened()) {  
        std::cerr << "Error opening video stream or file" << std::endl;  
        return -1;  
    }  
	
    // 创建背景减除器对象  
    cv::Ptr<cv::BackgroundSubtractorMOG2> pBackSub = cv::createBackgroundSubtractorMOG2(); 
    // cv::Ptr<cv::BackgroundSubtractorKNN> pBackSub = cv::createBackgroundSubtractorKNN();
  
    cv::Mat frame, fgMask;  
  
    while (capture.read(frame)) {  
        if (frame.empty())  
            break;  
  
        // 应用背景减除  
        pBackSub->apply(frame, fgMask);  
  
        // 可选：进行一些形态学操作来去除噪声  
        cv::Mat kernel = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(3, 3));  
        morphologyEx(fgMask, fgMask, cv::MORPH_OPEN, kernel);  
  
        // 显示结果  
        imshow("Frame", frame);  
        imshow("FG Mask", fgMask);  
        // 对检测图像进行判断
  
        char c = (char) cv::waitKey(30);  
        if (c == 27) break; // 按ESC退出  
    }  
  
    capture.release();  
    cv::destroyAllWindows();  
    return 0;  
}

2.2 程序编译及输出

        本文是采用win系统下，opencv采用MinGW编译的静态库（C/C++开发，win下OpenCV+MinGW编译环境搭建_opencv mingw-CSDN博客），建立makefile：

#/bin/sh
#win32
CX= g++ -DWIN32 
#linux
#CX= g++ -Dlinux 

BIN 		:= ./
TARGET      := Motion_detection.exe
FLAGS		:= -std=c++11 -static
SRCDIR 		:= ./
#INCLUDES
INCLUDEDIR 	:= -I"../../opencv_MinGW/include" -I"./"
#-I"$(SRCDIR)"
staticDir   := ../../opencv_MinGW/x64/mingw/staticlib/
#LIBDIR		:= $(staticDir)/libopencv_world460.a\
#			   $(staticDir)/libade.a \
#			   $(staticDir)/libIlmImf.a \
#			   $(staticDir)/libquirc.a \
#			   $(staticDir)/libzlib.a \
#			   $(wildcard $(staticDir)/liblib*.a) \
#			   -lgdi32 -lComDlg32 -lOleAut32 -lOle32 -luuid 
#opencv_world放弃前，然后是opencv依赖的第三方库，后面的库是MinGW编译工具的库

LIBDIR 	    := -L $(staticDir) -lopencv_world460 -lade -lIlmImf -lquirc -lzlib \
				-llibjpeg-turbo -llibopenjp2 -llibpng -llibprotobuf -llibtiff -llibwebp \
				-lgdi32 -lComDlg32 -lOleAut32 -lOle32 -luuid 
source		:= $(wildcard $(SRCDIR)/*.cpp) 

$(TARGET) :
	$(CX) $(FLAGS) $(INCLUDEDIR) $(source)  -o $(BIN)/$(TARGET) $(LIBDIR)

clean:
	rm  $(BIN)/$(TARGET)

编译如下：

程序运行输出如下，本测试没有指定视频图像，采用笔记本的摄像头抓取视频：    

PS：读者可以调整参数、图像光影效果等验证测试BackgroundSubtractorKNN方法。