背景建模和光流估计

背景建模和光流估计是计算机视觉领域中两个重要的任务，它们通常用于视频分析和物 体跟踪。背景建模是从视频序列中提取出场景的静态背景信息的过程。在视频中，背景通常 是不变的元素，如墙壁、地面或天空。通过背景建模，我们可以检测到场景中的动态物体， 因为它们与背景不同。光流是描述图像序列中像素运动的矢量场的概念。光流估计旨在推断 连续帧之间的像素位移。这对于理解场景中的运动、跟踪物体以及分析视频中的动态变换非 常重要 以下是代码，和检测

import cv2
import numpy as np

#使用帧插法的建模
def frameDiff():
    cap=cv2.VideoCapture("BackGround/towStreetCar.mp4")
    es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 4))
    #上一帧
    background=None
    while True:
        # 读取视频帧
        ret, frame = cap.read()
        if background is None:
            background=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
            background=cv2.GaussianBlur(background,(15,15),0)
            continue
        gray_frame=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        gray_frame=cv2.GaussianBlur(gray_frame,(15,15),0)
        diff=cv2.absdiff(background,gray_frame)
        diff = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1]

        thros = cv2.dilate(diff, es, iterations=2)
        cv2.imshow("fiff",thros)
        image, cnts, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        for c in cnts:
            if cv2.contourArea(c) < 1500:
                continue
            (x, y, w, h) = cv2.boundingRect(c)
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        ret,thros =cv2.threshold(diff,25,255,cv2.THRESH_BINARY)
        # 显示视频帧
        cv2.imshow('video', frame)
        cv2.imshow('diff', diff)
        background=gray_frame
        # 按下'q'键时退出循环
        if cv2.waitKey(30) & 0xFF == ord('q'):
            break

    cv2.destroyAllWindows()
    cap.release()
if __name__ == '__main__':
    frameDiff()