1. cv2.VideoCapture('test.avi') 进行视频读取
参数说明：‘test.avi’ 输入视频的地址
2. cv2.getStructureElement(cv2.MORPH_ELLIPSE, (3, 3)) # 构造一个全是1的kernel用于形态学的操作
参数说明：cv2.MORPH_ELLIPSE 生成全是1的kernel，(3, 3)表示size
3.cv2.createBackgroundSubtractorMOG2().apply(image) 对图像进行混合高斯模型
参数说明：image表示输入图片
4.cv2.morpholyEx(image, cv2.MORPH_OPEN, kernel) # 对图像进行开运算
参数说明：image表示输入图片, cv2.MORPH_OPEN 进行开运算，kernel表示卷积核
对于视频数据，将前景与物体背景进行分开
帧差法：
将连续两帧的图像数据进行差分法，即进行相减操作, 如果其相减后的绝对值大于阈值，则像素点变为255， 否则变为0，通过这种方法来找出视频中运动的物体
混合高斯模型：
将图像分为3-5个高斯模型，一个像素点来了，如果该像素点离任何一个高斯模型的距离大于其2倍的标准差，则为前景即运动物体，否则则是背景
步骤：第一步：初始各种参数
第二步：使用T帧图像构造模型，对于第一个帧图像的第一个像素点，使用u1，σ1构造高斯模型
第三步：对于一个新来的模型，如果该像素在高斯模型3*σ1内，则属于该高斯模型，对参数进行更新
第四步：如果不满足该高斯模型，重新建立一个新的高斯模型
代码：
第一步：使用cv2.VideoCapture() 构造读取模型
第二步：使用cv2.getStructureElement(cv2.MORPH_ELLIPSE, （3, 3)) # 构造形态学使用的kernel，即np.ones((3, 3), np.uint8)
第三步：构造cv2.createBackgroundSubtractorMOG2() 实例化混合高斯模型
第四步：cap.read()从视频中读取文件，并使用model.apply(frame) 使用上混合高斯模型
第五步：使用cv2.morpholyEx(image, cv2.MORPH_OPEN, kernel) 使用开运算进行噪音的去除
第六步：cv2.findCountours找出图片中的轮廓，对其进行循环
第七步：对于周长大于188的轮廓，使用cv2.boundingRect计算外接矩阵，使用cv2.rectangle画出外接矩阵，作为人
第八步：使用cv2.imshow()展示图片，使用cv2.waitkey(150) & 0xff == 27来延长放映的时间
import cv2 import numpy as np # 第一步：使用cv2.VideoCapture读取视频 cap = cv2.VideoCapture('test.avi') # 第二步：cv2.getStructuringElement构造形态学使用的kernel kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) # 第三步：构造高斯混合模型 model = cv2.createBackgroundSubtractorMOG2() while(True): # 第四步：读取视频中的图片，并使用高斯模型进行拟合 ret, frame = cap.read() # 运用高斯模型进行拟合，在两个标准差内设置为0，在两个标准差外设置为255 fgmk = model.apply(frame) # 第五步：使用形态学的开运算做背景的去除 fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel) # 第六步：cv2.findContours计算fgmk的轮廓 contours = cv2.findContours(fgmk, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1] for c in contours: # 第七步：进行人的轮廓判断，使用周长，符合条件的画出外接矩阵的方格 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：进行图片的展示 cv2.imshow('fgmk', fgmk) cv2.imshow('frame', frame) if cv2.waitKey(150) & 0xff == 27: break cap.release() cv2.destroyAllWindows()
带方框的原始图片 进行高斯混合模型的图片
