摘要：它采用概率前景分割算法，使用貝葉斯推理識別可能的前景對象在前幾幀圖像中會得到一個黑色窗口

Background Subtraction

MOG算法，即高斯混合模型分離算法，它使用一種通過K高斯分布的混合來對每個背景像素進(jìn)行建模的方法(K = 3-5）

import numpy as np
import cv2
import matplotlib.pyplot as plt

cap = cv2.VideoCapture("test.mp4")
fgbg = cv2.bgsegm.createBackgroundSubtractorMOG()

while(1):
    ret, frame = cap.read()

    fgmask = fgbg.apply(frame)

    cv2.imshow("frame",fgmask)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

MOG2算法，也是高斯混合模型分離算法，是MOG的改進(jìn)算法,該算法的一個重要特征是 它為每個像素選擇適當(dāng)數(shù)量的高斯分布，它可以更好地適應(yīng)不同場景的照明變化等.

import numpy as np
import cv2
import matplotlib.pyplot as plt

cap = cv2.VideoCapture("test.mp4")
fgbg = cv2.createBackgroundSubtractorMOG2()

while(1):
    ret, frame = cap.read()

    fgmask = fgbg.apply(frame)

    cv2.imshow("frame",fgmask)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

該算法結(jié)合統(tǒng)計背景圖像估計和每像素貝葉斯分割,該算法使用前幾個（默認(rèn)為120）幀進(jìn)行后臺建模。它采用概率前景分割算法，使用貝葉斯推理識別可能的前景對象.在前幾幀圖像中會得到一個黑色窗口.

import numpy as np
import cv2
import matplotlib.pyplot as plt

cap = cv2.VideoCapture("test.mp4")
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
fgbg = cv2.bgsegm.createBackgroundSubtractorGMG()

while(1):
    ret, frame = cap.read()

    fgmask = fgbg.apply(frame)
    fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)

    cv2.imshow("frame",fgmask)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()