使用运行平均概念的图像中的背景减法

背景减法是一种从背景中分离出前景元素的技术，通过生成前景蒙版来完成。该技术用于从静态摄像机中检测动态移动的物体。背景减法技术对于目标跟踪很重要。有几种背景减法技术

在本文中，我们将讨论Running Average的概念。函数的运行平均值用于将前景与背景分开。在这个概念中，视频序列是在一组特定的帧上进行分析的。在此帧序列期间，计算当前帧和前一帧的运行平均值。这为我们提供了背景模型，并且在视频排序期间引入的任何新对象都成为前景的一部分。然后，当前帧将新引入的对象与背景一起保存。然后计算背景模型（它是时间的函数）和当前帧（新引入的对象）之间的绝对差异。使用下面给出的等式计算运行平均值：

先决条件：

用于输入的工作网络摄像头或摄像头模块。
下载Python 3.x、Numpy 和 OpenCV 2.7.x 版本。检查您的操作系统是否兼容 32 位或 64 位并进行相应安装。
查看numpy和OpenCV的运行状态

运行平均方法如何工作？

该程序的目标是根据从参考帧和当前帧获得的差异来检测活动对象。我们不断地将每一帧输入给给定的函数，该函数不断地寻找所有帧的平均值。然后我们计算帧之间的绝对差异。
使用的函数是cv2.accumulateWeighted() 。

cv2.accumulateWeighted(src, dst, alpha)

在这个函数中传递的参数是：

src : 源图像。图像可以是彩色或灰度图像以及 8 位或 32 位浮点。
dst ：累加器或目标图像。它是 32 位或 64 位浮点数。
注意：它应该具有与源图像相同的通道。此外，最初应预先声明 dst 的值。
alpha ：输入图像的权重。 Alpha 决定更新的速度。如果您为此变量设置一个较低的值，则会在大量先前的帧上执行运行平均，反之亦然。

代码：

# Python program to illustrate
# Background subtraction using
# concept of Running Averages
  
# organize imports
import cv2
import numpy as np
  
# capture frames from a camera
cap = cv2.VideoCapture(0)
  
# read the frames from the camera
_, img = cap.read()
  
# modify the data type
# setting to 32-bit floating point
averageValue1 = np.float32(img)
  
# loop runs if capturing has been initialized. 
while(1):
    # reads frames from a camera 
    _, img = cap.read()
      
    # using the cv2.accumulateWeighted() function
    # that updates the running average
    cv2.accumulateWeighted(img, averageValue1, 0.02)
      
    # converting the matrix elements to absolute values 
    # and converting the result to 8-bit. 
    resultingFrames1 = cv2.convertScaleAbs(averageValue1)
  
    # Show two output windows
    # the input / original frames window
    cv2.imshow('InputWindow', img)
  
    # the window showing output of alpha value 0.02
    cv2.imshow('averageValue1', resultingFrames1)
      
    # Wait for Esc key to stop the program 
    k = cv2.waitKey(30) & 0xff
    if k == 27: 
        break
  
# Close the window 
cap.release() 
    
# De-allocate any associated memory usage 
cv2.destroyAllWindows()

输出：

正如我们在下面可以清楚地看到的，手挡住了背景视图。

现在，我们摇晃前景对象，即我们的手。我们开始挥手。

运行平均值在下方清楚地显示了背景，使用 alpha 0.02 的运行平均值将其捕捉为透明的手，主要强调背景

或者，我们可以将cv.RunningAvg()用于相同的任务，其参数与cv2.accumulateweighted()的参数含义相同。

cv.RunningAvg(image, acc, alpha)

参考资料：

https://docs.opencv.org/2.4/modules/imgproc/doc/motion_analysis_and_object_tracking.html
https://en.wikipedia.org/wiki/Foreground_detection
https://docs.opencv.org/3.2.0/d1/dc5/tutorial_background_subtraction.html