background-subtraction

    0熱度

    1回答

    我試圖製作一個程序,檢測閉路電視鏡頭中的人,我已經取得了很多進展。不幸的是,視頻中的噪聲量在不同的攝像機和一天中的時間之間差異很大,因此每個樣本視頻都是如此。這意味着NoiseSigma需要1-25。 我已經使用了fastNlMeansDenoisingColored函數,這有所幫助,但NoiseSigma仍然是一個問題。 可能會有效地循環播放視頻一次,並以某種方式瞭解視頻有多嘈雜,併爲噪聲與No

    -1熱度

    1回答

    我在谷歌閱讀OpenCV中,發現下面的示例代碼在網上玩: import cv2 def diffImg(t0, t1, t2): d1 = cv2.absdiff(t2, t1) d2 = cv2.absdiff(t1, t0) return cv2.bitwise_and(d1, d2) cam = cv2.VideoCapture('vid1.mp4')

    0熱度

    1回答

    我正在做一個關於人物提取和背景扣除的項目。我將輸出前景人物的視頻。從丹尼爾Shiffman學習,現在我可以得到前景的像素,但我不知道如何將這些像​​素導出爲視頻。或者我不需要立即導出它,但我需要對這些像素做進一步的處理,作爲視頻格式。有沒有人可以幫助我?提前致謝。對不起,如果有任何錯誤,我的英文。 下面是代碼: import processing.video.*; Capture video;

    0熱度

    2回答

    我試圖使用默認功能來做背景減法的視頻文件。 我正在使用Python 2.7和OpenCV。 我使用「BackgroundSubtractorMOG」模塊時收到此錯誤: 'module' object has no attribute 'BackgroundSubtractorMOG' 現在,如果我嘗試使用createBackgroundSubtractorMOG()模塊,我收到了同樣的錯誤。

    -1熱度

    1回答

    我知道,使用移動物體和固定攝像頭,通過減去以前和當前攝像頭幀可以輕鬆檢測物體。當相機在場景中自由移動時,也可以檢測移動物體。 但是有可能用相機在物體周圍旋轉來檢測靜止物體嗎?相機的移動是預定義的,並且相機僅限於物體周圍的指定路徑。

    0熱度

    1回答

    //cv::BackgroundSubtractorMOG2 bg = cv::BackgroundSubtractorMOG2(); cv::Ptr<BackgroundSubtractorMOG2>createBackgroundSubtractorMOG2(); bg.set("history", 1000); bg.set("nmixtures", 3); bg.set("back

    0熱度

    1回答

    我使用背景減法來檢測移動物體。由於他們在我的實驗中的類型是反射性物質對象,所以造成檢測困難。我怎麼解決它? 謝謝! 編輯:我使用背景減法MOG2(在OpenCV中)。 OpenCV的版本是3.10 編輯1:在更新時應用到HSV色彩空間的結果 第1步:轉換爲HSV顏色空間 第2步:應用MoG2

    0熱度

    1回答

    我想利用這個代碼 fgbg = cv2.createBackgroundSubtractorMOG2(detectShadows=True) cap = cv2.VideoCapture('drunker-1.mp4') while True: grabed, img = cap.read() if not grabed: break ori = i

    0熱度

    2回答

    我試圖用兩幅圖像減去圖像的背景。 圖片A是背景和圖像B是背景中的東西的圖像。 我正在規範圖像,但我沒有得到預期的結果。 下面的代碼: a = rgb2gray(im); b = rgb2gray(im2); resA = ((a - min(a(:)))./(max(a(:))-min(a(:)))); resB = ((b - min(b(:)))./(max(b(:))-min(b(:)

    1熱度

    1回答

    我正在嘗試構建一個Python程序來計算在兩個方向上過馬路的人數。該視頻文件是類似的this 現在爲檢測階段我使用BackgroundSubtractorMOG()來檢測人民,現在的問題是我想分別識別每個對象,並跟蹤他們在每個連續幀的運動。 我正在考慮爲此目的使用MeanShift,現在的問題是我沒有得到如何轉移到對象的跟蹤階段,或初始化跟蹤窗口。在我的情況下,我最終在每個框架中檢測到單獨的對象。