1. cv2.VideoCapture('test.avi') 進行視頻讀取
參數說明：‘test.avi’ 輸入視頻的地址
2. cv2.getStructureElement(cv2.MORPH_ELLIPSE, (3, 3)) # 構造一個全是1的kernel用於形態學的操作
參數說明：cv2.MORPH_ELLIPSE 生成全是1的kernel，(3, 3)表示size
3.cv2.createBackgroundSubtractorMOG2().apply(image) 對圖像進行混合高斯模型
參數說明：image表示輸入圖片
4.cv2.morpholyEx(image, cv2.MORPH_OPEN, kernel) # 對圖像進行開運算
參數說明：image表示輸入圖片, cv2.MORPH_OPEN 進行開運算，kernel表示卷積核
對於視頻數據，將前景與物體背景進行分開
幀差法：
將連續兩幀的圖像數據進行差分法，即進行相減操作, 如果其相減后的絕對值大於閾值，則像素點變為255， 否則變為0，通過這種方法來找出視頻中運動的物體
混合高斯模型：
將圖像分為3-5個高斯模型，一個像素點來了，如果該像素點離任何一個高斯模型的距離大於其2倍的標准差，則為前景即運動物體，否則則是背景
步驟：第一步：初始各種參數
第二步：使用T幀圖像構造模型，對於第一個幀圖像的第一個像素點，使用u1，σ1構造高斯模型
第三步：對於一個新來的模型，如果該像素在高斯模型3*σ1內，則屬於該高斯模型，對參數進行更新
第四步：如果不滿足該高斯模型，重新建立一個新的高斯模型
代碼：
第一步：使用cv2.VideoCapture() 構造讀取模型
第二步：使用cv2.getStructureElement(cv2.MORPH_ELLIPSE, （3, 3)) # 構造形態學使用的kernel，即np.ones((3, 3), np.uint8)
第三步：構造cv2.createBackgroundSubtractorMOG2() 實例化混合高斯模型
第四步：cap.read()從視頻中讀取文件，並使用model.apply(frame) 使用上混合高斯模型
第五步：使用cv2.morpholyEx(image, cv2.MORPH_OPEN, kernel) 使用開運算進行噪音的去除
第六步：cv2.findCountours找出圖片中的輪廓，對其進行循環
第七步：對於周長大於188的輪廓，使用cv2.boundingRect計算外接矩陣，使用cv2.rectangle畫出外接矩陣，作為人
第八步：使用cv2.imshow()展示圖片，使用cv2.waitkey(150) & 0xff == 27來延長放映的時間
import cv2 import numpy as np # 第一步：使用cv2.VideoCapture讀取視頻 cap = cv2.VideoCapture('test.avi') # 第二步：cv2.getStructuringElement構造形態學使用的kernel kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) # 第三步：構造高斯混合模型 model = cv2.createBackgroundSubtractorMOG2() while(True): # 第四步：讀取視頻中的圖片，並使用高斯模型進行擬合 ret, frame = cap.read() # 運用高斯模型進行擬合，在兩個標准差內設置為0，在兩個標准差外設置為255 fgmk = model.apply(frame) # 第五步：使用形態學的開運算做背景的去除 fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel) # 第六步：cv2.findContours計算fgmk的輪廓 contours = cv2.findContours(fgmk, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1] for c in contours: # 第七步：進行人的輪廓判斷，使用周長，符合條件的畫出外接矩陣的方格 length = cv2.arcLength(c, True) if length > 188: (x, y, w, h) = cv2.boundingRect(c) cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) # 第八步：進行圖片的展示 cv2.imshow('fgmk', fgmk) cv2.imshow('frame', frame) if cv2.waitKey(150) & 0xff == 27: break cap.release() cv2.destroyAllWindows()
帶方框的原始圖片 進行高斯混合模型的圖片