2024年4月2日发(作者：)

背景减除算法之K

2017/12/16 446

多，在此不再赘述

Python版本：3.5.2，Opencv版本：3.2.0，网上安装教程很

MOG2算法，即高斯混合模型分离算法，是MOG的改进算

adaptive 法。它基于ic发布的两篇论文，即2004年发布的“Improved

Gausian mixture model for background subtraction”和2006年发布的“Efficient Adaptive

Density Estimation per Image Pixel for the Task of Background Subtraction”中提出。

KNN算法，即K-nearest neigbours - based Background/Foreground Segmentation

Algorithm。2006年，由Zoran Zivkovic 和Ferdinand van der Heijden在论

文”Efficient adaptive density estimation per image pixel for the task of background

subtraction.”中提出。 下面介绍两种算法的具体实现，实验中所用到的视频为

CASIA步态数据库，用以上两种算法分别提取步态轮廓图像 步态视频已上传到百

度云，步态视频，提取密码：9mt0

  （一）MOG2算法实现 import numpy as npimport

cv2cap=apture(‘D:’)#混合高斯，对每一帧的环境进行学

习，常用来对不同帧进行比较，并存储以前的帧，可按时间推移的方法提高运动分

析的结果。fgbg=BackgroundSubtractorMOG2() while(1): #默认第一帧为背

景图片 ret,frame=() fgmask=(frame) (‘frame’,fgmask)

k=y(30) 0xff#按’q’键退出循环 if k== ord(‘q’):

e()yAllWindows() 实验结果， （一）KNN算法实现

采用KNN实现视频图像的背景分割算法，并且保存每一帧图像（与视频文件在相

同的文件夹）

  import cv2#视频文件路径datapath = “D:/test1gait/”bs =

BackgroundSubtractorKNN(detectShadows = False)#背景减除器，设置阴影

检测#训练帧数history=20 tory(history)frames=0camera =

apture(datapath + “”)count = 0#对原始帧进行膨胀去噪，#前景区

域二值化，将非白色（0-244）的非前景区域（包含背景以及阴影）均设为0，前景