Вычитание фона на видео в OpenCV (MOG, MOG2)
В области компьютерного зрения вычитание фона — часто используемая техника для извлечения объектов переднего плана из видеопоследовательностей.
Основная идея вычитания фона состоит в том, чтобы смоделировать фон, а затем сравнить текущий кадр с моделью фона, чтобы выделить объекты переднего плана.
OpenCV предоставляет несколько алгоритмов вычитания фона, среди которых MOG (Mixture of Gaussians) и MOG2 — два наиболее часто используемых метода.
Основные понятия вычитания фона
Вычитание фона — это метод, используемый для анализа видео, главным образом для обнаружения движущихся объектов в видео. Его базовый процесс выглядит следующим образом:
- Моделирование фона: Анализируя несколько кадров в видеопоследовательности, построить модель фона.
- Обнаружение переднего плана: Сравните текущий кадр с моделью фона, чтобы выявить области со значительными отличиями от фона; эти области являются объектами переднего плана.
- Обновление фона: Со временем фон может изменяться (например, изменения освещения, движение объектов фона и т. д.), поэтому модель фона необходимо непрерывно обновлять.
Алгоритм MOG (смесь гауссовых распределений)
Принцип
Алгоритм MOG — это метод вычитания фона, основанный на модели смеси гауссовых распределений (GMM). Его основная идея — использовать несколько гауссовых распределений для моделирования значений пикселей в фоне. Каждое значение пикселя рассматривается как случайная величина, распределение которой состоит из нескольких гауссовых распределений. Таким образом, MOG может обрабатывать сложные изменения фона, такие как изменения освещения и тени.
Шаги алгоритма
- Инициализация: Инициализируйте несколько гауссовых распределений для каждого пикселя.
- Обновление модели: Для каждого кадра обновляйте параметры гауссовых распределений (среднее, дисперсию, вес) для каждого пикселя.
- Обнаружение переднего плана: Сравните значения пикселей текущего кадра с гауссовыми распределениями в модели фона. Если значение пикселя не попадает в диапазон ни одного гауссова распределения, оно помечается как передний план.
Реализация в OpenCV
В OpenCV алгоритм MOG можно создать с помощьюcv2.bgsegm.createBackgroundSubtractorMOG()функции для создания вычитателя фона. Ниже приведён простой пример кода:
Пример
# Создать вычитатель фона MOG
mog = cv2.bgsegm.createBackgroundSubtractorMOG()
# Чтение видео
cap = cv2.VideoCapture('video.mp4')
while True:
ret, frame = cap.read()
if not ret:
break
# Применить вычитание фона
fg_mask = mog.apply(frame)
# Отобразить результат
cv2.imshow('Frame', frame)
cv2.imshow('FG Mask', fg_mask)
if cv2.waitKey(30) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
Алгоритм MOG2 (смесь гауссовых распределений, версия 2)
Принцип
MOG2 — улучшенная версия MOG. Основное отличие состоит в том, что он может автоматически выбирать количество гауссовых распределений и лучше адаптироваться к изменениям фона. Динамически регулируя количество и параметры гауссовых распределений, MOG2 может более точно моделировать фон, тем самым повышая точность обнаружения переднего плана.
Шаги алгоритма
- Инициализация: Инициализируйте несколько гауссовых распределений для каждого пикселя.
- Обновление модели: Для каждого кадра обновляйте параметры гауссовых распределений для каждого пикселя и увеличивайте или уменьшайте количество гауссовых распределений по мере необходимости.
- Обнаружение переднего плана: Сравните значения пикселей текущего кадра с гауссовыми распределениями в модели фона. Если значение пикселя не попадает в диапазон ни одного гауссова распределения, оно помечается как передний план.
Реализация в OpenCV
В OpenCV алгоритм MOG2 можно создать с помощьюcv2.createBackgroundSubtractorMOG2()функции для создания вычитателя фона. Ниже приведён простой пример кода:
Пример
# Создать вычитатель фона MOG2
mog2 = cv2.createBackgroundSubtractorMOG2()
# Чтение видео
cap = cv2.VideoCapture('video.mp4')
while True:
ret, frame = cap.read()
if not ret:
break
# Применить вычитание фона
fg_mask = mog2.apply(frame)
# Отобразить результат
cv2.imshow('Frame', frame)
cv2.imshow('FG Mask', fg_mask)
if cv2.waitKey(30) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
Применения вычитания фона
Видеонаблюдение:Используется для обнаружения движущихся объектов в видео наблюдения, таких как пешеходы, транспортные средства и т. д.
-
Анализ движения:Используется для анализа траекторий движения и поведения целей в видео.
-
Человеко-компьютерное взаимодействие:Используется для обнаружения жестов пользователя или лиц для обеспечения человеко-компьютерного взаимодействия.
Ниже приведен полный пример кода вычитания фона MOG2:
Пример
# Чтение видео
cap = cv2.VideoCapture("path/to/video.mp4")
# Создать вычитатель фона MOG2
fgbg = cv2.createBackgroundSubtractorMOG2()
while True:
ret, frame = cap.read()
if not ret:
break
# Применить вычитатель фона
fgmask = fgbg.apply(frame)
# Отобразить результат
cv2.imshow("MOG2 Вычитание фона", fgmask)
# Нажмите 'q' для выхода
if cv2.waitKey(30) & 0xFF == ord('q'):
break
# Освобождение ресурсов
cap.release()
cv2.destroyAllWindows()
Сравнение MOG и MOG2
Вычитание фона — важная техника в анализе видео, а MOG и MOG2 — два часто используемых алгоритма вычитания фона в OpenCV.
Алгоритм MOG использует фиксированное число гауссовых распределений для моделирования фона, что делает его подходящим для сцен с небольшим количеством изменений фона, тогда как алгоритм MOG2 динамически настраивает число и параметры гауссовых распределений, позволяя ему лучше адаптироваться к изменениям фона, что делает его подходящим для сцен с большим количеством изменений фона.
| Характеристика | MOG | MOG2 |
|---|---|---|
| Число гауссовых распределений | Фиксированные | Динамически настраивается |
| Скорость обновления фона | Медленнее | Быстрее |
| Способность адаптироваться к изменениям фона | Слабее | Сильнее |
| Вычислительная сложность | Нижний | Повышенный |
| Применимые сценарии | Сцены с меньшим количеством изменений фона | Сцены с большим количеством изменений фона |