基於 [107] 中給出的演算法的背景減除模組。更多...

#include <opencv2/bgsegm.hpp>

cv::bgsegm::BackgroundSubtractorGMG 的協作圖

公共成員函式
virtual void	apply (InputArray image, OutputArray fgmask, double learningRate=-1) CV_OVERRIDE=0
	計算前景掩碼。

virtual void	getBackgroundImage (OutputArray backgroundImage) const CV_OVERRIDE=0
	計算背景影像。

virtual double	getBackgroundPrior () const =0
	返回每個獨立畫素是背景畫素的先驗機率。

virtual double	getDecisionThreshold () const =0
	返回決策閾值。

virtual double	getDefaultLearningRate () const =0
	返回演算法的學習率。

virtual int	getMaxFeatures () const =0
	返回直方圖中要維護的不同顏色的總數。

virtual double	getMaxVal () const =0
	返回影像序列中畫素的最大值，例如 1.0 或 255。

virtual double	getMinVal () const =0
	返回影像序列中畫素的最小值，通常為 0。

virtual int	getNumFrames () const =0
	返回用於初始化背景模型的幀數。

virtual int	getQuantizationLevels () const =0
	返回用於顏色空間量化的引數。

virtual int	getSmoothingRadius () const =0
	返回用於形態學操作的核半徑。

virtual bool	getUpdateBackgroundModel () const =0
	返回背景模型更新狀態。

virtual void	setBackgroundPrior (double bgprior)=0
	設定每個獨立畫素是背景畫素的先驗機率。

virtual void	setDecisionThreshold (double thresh)=0
	設定決策閾值。

virtual void	setDefaultLearningRate (double lr)=0
	設定演算法的學習率。

virtual void	setMaxFeatures (int maxFeatures)=0
	設定直方圖中要維護的不同顏色的總數。

virtual void	setMaxVal (double val)=0
	設定影像序列中畫素的最大值。

virtual void	setMinVal (double val)=0
	設定影像序列中畫素的最小值。

virtual void	setNumFrames (int nframes)=0
	設定用於初始化背景模型的幀數。

virtual void	setQuantizationLevels (int nlevels)=0
	設定用於顏色空間量化的引數。

virtual void	setSmoothingRadius (int radius)=0
	設定用於形態學操作的核半徑。

virtual void	setUpdateBackgroundModel (bool update)=0
	設定背景模型更新狀態。

繼承自 cv::BackgroundSubtractor 的公共成員函式
繼承自 cv::Algorithm 的公共成員函式
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除演算法狀態。

virtual bool	empty () const
	如果 Algorithm 為空（例如，在開始時或讀取不成功後），則返回 true。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	從檔案儲存中讀取演算法引數。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

virtual void	write (FileStorage &fs) const
	將演算法引數儲存到檔案儲存中。

void	write (FileStorage &fs, const String &name) const

其他繼承成員
繼承自 cv::Algorithm 的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

繼承自 cv::Algorithm 的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

基於 [107] 中給出的演算法的背景減除模組。

獲取一系列影像並返回相同大小的掩碼 (8UC1) 影像序列，其中 255 表示前景，0 表示背景。此類實現了 A. Godbehere、A. Matsukawa、K. Goldberg 在 2012 年 6 月蒙特利爾舉行的美國控制會議上發表的論文《在可變照明條件下對人類訪客進行視覺跟蹤以實現響應式音訊藝術裝置》中描述的演算法。

成員函式文件

◆ apply()

virtual void cv::bgsegm::BackgroundSubtractorGMG::apply	(	InputArray	image,
		OutputArray	fgmask,
		double	learningRate = -1 )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.apply(	image[, fgmask[, learningRate]]	) ->	fgmask

計算前景掩碼。

引數

image	下一幀影片，型別為 CV_8UC(n),CV_8SC(n),CV_16UC(n),CV_16SC(n),CV_32SC(n),CV_32FC(n),CV_64FC(n)，其中 n 為 1,2,3,4。
fgmask	作為 8 位二進位制影像的輸出前景掩碼。
learningRate	介於 0 和 1 之間的值，表示背景模型的學習速度。負引數值表示演算法使用自動選擇的學習率。0 表示背景模型完全不更新，1 表示背景模型從最後一幀完全重新初始化。

實現 cv::BackgroundSubtractor。

◆ getBackgroundImage()

virtual void cv::bgsegm::BackgroundSubtractorGMG::getBackgroundImage ( OutputArray backgroundImage ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getBackgroundImage(	[, backgroundImage]	) ->	backgroundImage

計算背景影像。

引數

backgroundImage 輸出背景影像。

注意: 有時背景影像可能非常模糊，因為它包含平均背景統計資料。

實現 cv::BackgroundSubtractor。

◆ getBackgroundPrior()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getBackgroundPrior ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getBackgroundPrior(		) ->	retval

返回每個獨立畫素是背景畫素的先驗機率。

◆ getDecisionThreshold()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getDecisionThreshold ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getDecisionThreshold(		) ->	retval

返回決策閾值。

決策值是高於該值時畫素被確定為前景 (FG) 的值。

◆ getDefaultLearningRate()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getDefaultLearningRate ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getDefaultLearningRate(		) ->	retval

返回演算法的學習率。

介於 0.0 和 1.0 之間。它決定了從直方圖中“遺忘”特徵的速度。

◆ getMaxFeatures()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getMaxFeatures ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getMaxFeatures(		) ->	retval

返回直方圖中要維護的不同顏色的總數。

◆ getMaxVal()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getMaxVal ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getMaxVal(		) ->	retval

返回影像序列中畫素的最大值，例如 1.0 或 255。

◆ getMinVal()

virtual double cv::bgsegm::BackgroundSubtractorGMG::getMinVal ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getMinVal(		) ->	retval

返回影像序列中畫素的最小值，通常為 0。

◆ getNumFrames()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getNumFrames ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getNumFrames(		) ->	retval

返回用於初始化背景模型的幀數。

◆ getQuantizationLevels()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getQuantizationLevels ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getQuantizationLevels(		) ->	retval

返回用於顏色空間量化的引數。

它是直方圖中每個通道使用的離散級別數。

◆ getSmoothingRadius()

virtual int cv::bgsegm::BackgroundSubtractorGMG::getSmoothingRadius ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getSmoothingRadius(		) ->	retval

返回用於形態學操作的核半徑。

◆ getUpdateBackgroundModel()

virtual bool cv::bgsegm::BackgroundSubtractorGMG::getUpdateBackgroundModel ( ) const

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.getUpdateBackgroundModel(		) ->	retval

返回背景模型更新狀態。

◆ setBackgroundPrior()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setBackgroundPrior ( double bgprior )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setBackgroundPrior(	bgprior	) ->	無

設定每個獨立畫素是背景畫素的先驗機率。

◆ setDecisionThreshold()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setDecisionThreshold ( double thresh )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setDecisionThreshold(	thresh	) ->	無

設定決策閾值。

◆ setDefaultLearningRate()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setDefaultLearningRate ( double lr )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setDefaultLearningRate(	lr	) ->	無

設定演算法的學習率。

◆ setMaxFeatures()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setMaxFeatures ( int maxFeatures )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setMaxFeatures(	maxFeatures	) ->	無

設定直方圖中要維護的不同顏色的總數。

◆ setMaxVal()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setMaxVal ( double val )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setMaxVal(	val	) ->	無

設定影像序列中畫素的最大值。

◆ setMinVal()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setMinVal ( double val )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setMinVal(	val	) ->	無

設定影像序列中畫素的最小值。

◆ setNumFrames()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setNumFrames ( int nframes )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setNumFrames(	nframes	) ->	無

設定用於初始化背景模型的幀數。

◆ setQuantizationLevels()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setQuantizationLevels ( int nlevels )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setQuantizationLevels(	nlevels	) ->	無

設定用於顏色空間量化的引數。

◆ setSmoothingRadius()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setSmoothingRadius ( int radius )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setSmoothingRadius(	radius	) ->	無

設定用於形態學操作的核半徑。

◆ setUpdateBackgroundModel()

virtual void cv::bgsegm::BackgroundSubtractorGMG::setUpdateBackgroundModel ( bool update )

純虛擬函式

Python
	cv.bgsegm.BackgroundSubtractorGMG.setUpdateBackgroundModel(	update	) ->	無

設定背景模型更新狀態。

此類的文件生成自以下檔案

opencv2/bgsegm.hpp

公共成員函式

其他繼承成員

詳細描述

成員函式文件

◆ apply()

◆ getBackgroundImage()

◆ getBackgroundPrior()

◆ getDecisionThreshold()

◆ getDefaultLearningRate()

◆ getMaxFeatures()

◆ getMaxVal()

◆ getMinVal()

◆ getNumFrames()

◆ getQuantizationLevels()

◆ getSmoothingRadius()

◆ getUpdateBackgroundModel()

◆ setBackgroundPrior()

◆ setDecisionThreshold()

◆ setDefaultLearningRate()

◆ setMaxFeatures()

◆ setMaxVal()

◆ setMinVal()

◆ setNumFrames()

◆ setQuantizationLevels()

◆ setSmoothingRadius()

◆ setUpdateBackgroundModel()