Sustracción de fondo en video con OpenCV (MOG, MOG2)

En el campo de la visión por computadora, la sustracción de fondo es una técnica de uso común para extraer objetos en primer plano de secuencias de video.

La idea central de la sustracción de fondo es modelar el fondo y luego comparar el fotograma actual con el modelo de fondo para separar los objetos en primer plano.

OpenCV ofrece varios algoritmos de sustracción de fondo, de los cuales MOG (Mezcla de Gaussianas) y MOG2 son los dos métodos más utilizados.

Conceptos básicos de la sustracción de fondo

La sustracción de fondo es una técnica utilizada para el análisis de video, principalmente para detectar objetos en movimiento en el video. Su proceso básico es el siguiente:

  1. Modelado del fondo: Analizando múltiples fotogramas de la secuencia de video, se establece un modelo de fondo.
  2. Detección de primer plano: Se compara el fotograma actual con el modelo de fondo y se identifican las áreas con diferencias significativas respecto al fondo; estas áreas son los objetos en primer plano.
  3. Actualización del fondo: Con el tiempo, el fondo puede cambiar (por ejemplo, cambios de iluminación, movimiento de objetos del fondo, etc.), por lo que es necesario actualizar continuamente el modelo de fondo.

Algoritmo MOG (Mezcla de Gaussianas)

Principio

El algoritmo MOG es un método de sustracción de fondo basado en el Modelo de Mezcla de Gaussianas (GMM). Su idea central es utilizar múltiples distribuciones gaussianas para modelar los valores de los píxeles del fondo. Cada valor de píxel se considera una variable aleatoria cuya distribución está compuesta por varias distribuciones gaussianas. De esta manera, MOG puede manejar cambios complejos en el fondo, como variaciones de iluminación, sombras, etc.

Pasos del algoritmo

  1. Inicialización: Inicializar múltiples distribuciones gaussianas para cada píxel.
  2. Actualización del modelo: Para cada fotograma, actualizar los parámetros de las distribuciones gaussianas (media, varianza, peso) de cada píxel.
  3. Detección de primer plano: Comparar los valores de píxel del fotograma actual con las distribuciones gaussianas del modelo de fondo. Si un valor de píxel no está dentro del rango de ninguna distribución gaussiana, se marca como primer plano.

Implementación en OpenCV

En OpenCV, el algoritmo MOG se puede crear mediante lacv2.bgsegm.createBackgroundSubtractorMOG()función para crear un sustractor de fondo. El siguiente es un código de ejemplo sencillo:

Ejemplo

import cv2

# Crear sustractor de fondo MOG
mog = cv2.bgsegm.createBackgroundSubtractorMOG()

# Leer video
cap = cv2.VideoCapture('video.mp4')

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # Aplicar sustracción de fondo
    fg_mask = mog.apply(frame)

    # Mostrar resultado
    cv2.imshow('Frame', frame)
    cv2.imshow('FG Mask', fg_mask)

    if cv2.waitKey(30) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

Algoritmo MOG2 (Mezcla de Gaussianas Versión 2)

Principio

MOG2 es una versión mejorada de MOG. La principal diferencia es que puede seleccionar automáticamente el número de distribuciones gaussianas y puede adaptarse mejor a los cambios del fondo. Al ajustar dinámicamente la cantidad y los parámetros de las distribuciones gaussianas, MOG2 puede modelar el fondo con mayor precisión, mejorando así la exactitud de la detección de primer plano.

Pasos del algoritmo

  1. Inicialización: Inicializar múltiples distribuciones gaussianas para cada píxel.
  2. Actualización del modelo: Para cada fotograma, actualizar los parámetros de las distribuciones gaussianas de cada píxel, y aumentar o disminuir el número de distribuciones gaussianas según sea necesario.
  3. Detección de primer plano: Comparar los valores de píxel del fotograma actual con las distribuciones gaussianas del modelo de fondo. Si un valor de píxel no está dentro del rango de ninguna distribución gaussiana, se marca como primer plano.

Implementación en OpenCV

En OpenCV, el algoritmo MOG2 se puede crear mediante lacv2.createBackgroundSubtractorMOG2()función para crear un sustractor de fondo. El siguiente es un código de ejemplo sencillo:

Ejemplo

import cv2

# Crear sustractor de fondo MOG2
mog2 = cv2.createBackgroundSubtractorMOG2()

# Leer video
cap = cv2.VideoCapture('video.mp4')

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # Aplicar sustracción de fondo
    fg_mask = mog2.apply(frame)

    # Mostrar resultado
    cv2.imshow('Frame', frame)
    cv2.imshow('FG Mask', fg_mask)

    if cv2.waitKey(30) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

Aplicaciones de la sustracción de fondo

  • Vigilancia por video:Se utiliza para detectar objetivos en movimiento en videos de vigilancia, como peatones, vehículos, etc.

  • Análisis de movimiento:Se utiliza para analizar la trayectoria de movimiento y el comportamiento de los objetivos en el video.

  • Interacción persona-computadora:Se utiliza para detectar gestos o el rostro del usuario, logrando la interacción persona-computadora.

El siguiente es un código de ejemplo completo de sustracción de fondo con MOG2:

Ejemplo

import cv2

# Leer video
cap = cv2.VideoCapture("path/to/video.mp4")

# Crear sustractor de fondo MOG2
fgbg = cv2.createBackgroundSubtractorMOG2()

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # Aplicar sustractor de fondo
    fgmask = fgbg.apply(frame)

    # Mostrar resultado
    cv2.imshow("MOG2 Background Subtraction", fgmask)

    # Pulsar la tecla 'q' para salir
    if cv2.waitKey(30) & 0xFF == ord('q'):
        break

# Liberar recursos
cap.release()
cv2.destroyAllWindows()

Comparación entre MOG y MOG2

La sustracción de fondo es una técnica importante en el análisis de video. MOG y MOG2 son dos algoritmos de sustracción de fondo de uso común en OpenCV.

El algoritmo MOG modela el fondo mediante un número fijo de distribuciones gaussianas, adecuado para escenas con pocos cambios de fondo, mientras que el algoritmo MOG2 ajusta dinámicamente la cantidad y los parámetros de las distribuciones gaussianas, lo que le permite adaptarse mejor a los cambios del fondo y es adecuado para escenas con más cambios de fondo.

Característica MOG MOG2
Número de distribuciones gaussianas Fijo Ajuste dinámico
Velocidad de actualización del fondo Más lenta Más rápida
Capacidad de adaptación a cambios de fondo Más débil Más fuerte
Complejidad computacional Más baja Más alta
Escenarios de aplicación Escenas con pocos cambios de fondo Escenas con más cambios de fondo
Otras extensiones