这三种背景扣除方法有什么区别？
最佳答案
您可以参考this link。
为此引入了几种算法。 OpenCV已经实现了三种非常易于使用的算法。我们将一一看到它们。
背景分包商
它是基于高斯混合的背景/前景分割算法。它在2001年由P. KadewTraKuPong和R. Bowden在论文“用于阴影检测的实时跟踪的改进的自适应背景混合模型”中进行了介绍。它使用一种方法，通过混合K个高斯分布对每个背景像素进行建模（ K = 3到5）。混合物的权重代表了这些颜色在场景中停留的时间比例。可能的背景颜色是保持更长且更静态的颜色。
在编码时，我们需要使用函数cv2.createBackgroundSubtractorMOG（）创建一个背景对象。它具有一些可选参数，例如历史记录的长度，高斯混合的数量，阈值等。所有这些参数均设置为一些默认值。然后在视频循环内，使用backgroundsubtractor.apply（）方法获取前景蒙版。
请参见下面的简单示例：
1 import numpy as np
2 import cv2
3
4 cap = cv2.VideoCapture('vtest.avi')
5
6 fgbg = cv2.createBackgroundSubtractorMOG()
7
8 while(1):
9 ret, frame = cap.read()
10
11 fgmask = fgbg.apply(frame)
12
13 cv2.imshow('frame',fgmask)
14 k = cv2.waitKey(30) & 0xff
15 if k == 27:
16 break
17
18 cap.release()
19 cv2.destroyAllWindows()
（所有结果显示在末尾以进行比较）。
背景减法器MOG2
它也是基于高斯混合的背景/前景分割算法。它基于Z.Zivkovic的两篇论文，分别是2004年的“改进的用于背景相减的自适应高斯混合模型”和2006年的“用于背景相减任务的每个图像像素的高效自适应密度估计”。该算法的一个重要特点是它为每个像素选择适当数量的高斯分布。 （请记住，在最后一种情况下，我们在整个算法中采用了K高斯分布）。由于光照变化等原因，它对变化的场景具有更好的适应性。
与前面的情况一样，我们必须创建一个背景减法器对象。在这里，您可以选择是否检测阴影。如果detectShadows = True（默认情况下为True），它将检测并标记阴影，但会降低速度。阴影将标记为灰色。
1 import numpy as np
2 import cv2
3
4 cap = cv2.VideoCapture('vtest.avi')
5
6 fgbg = cv2.createBackgroundSubtractorMOG2()
7
8 while(1):
9 ret, frame = cap.read()
10
11 fgmask = fgbg.apply(frame)
12
13 cv2.imshow('frame',fgmask)
14 k = cv2.waitKey(30) & 0xff
15 if k == 27:
16 break
17
18 cap.release()
19 cv2.destroyAllWindows()
（结果在最后给出）
背景减法器
该算法结合了统计背景图像估计和按像素的贝叶斯分割。它是在2012年由Andrew B. Godbehere，Akihiro Matsukawa，Ken Goldberg在其论文“在可变照明条件下对观众的视觉跟踪以进行响应式音频艺术装置”中介绍的。根据该论文，该系统成功运行了交互式音频艺术品装置“我们还在那里吗？”从2011年3月31日至7月31日在加利福尼亚州旧金山的当代犹太博物馆举行。
它使用前几帧（默认为120帧）进行背景建模。它采用概率前景分割算法，该算法使用贝叶斯推断来识别可能的前景对象。估计是自适应的；为了适应可变照明，较新的观测值比旧的观测值更重。完成了一些形态滤波操作，例如关闭和打开，以消除不需要的噪声。在最初的几帧中，您将得到一个黑色的窗口。
最好对结果应用形态学开放以消除噪声。
1 import numpy as np
2 import cv2
3
4 cap = cv2.VideoCapture('vtest.avi')
5
6 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
7 fgbg = cv2.createBackgroundSubtractorGMG()
8
9 while(1):
10 ret, frame = cap.read()
11
12 fgmask = fgbg.apply(frame)
13 fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)
14
15 cv2.imshow('frame',fgmask)
16 k = cv2.waitKey(30) & 0xff
17 if k == 27:
18 break
19
20 cap.release()
21 cv2.destroyAllWindows()
在OpenCV的较新版本中，bgsegm子模块中的contrib（
opencv-contrib-python==3.4.2.16）提供了GMG和MOG：cv2.bgsegm.createBackgroundSubtractorGMG()
cv2.bgsegm.createBackgroundSubtractorMOG()
关于difference - MOG，MOG2和GMG之间的区别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33266239/