高斯混合模型背景建模（BackgroundSubtractorMOG2、BackgroundSubtractorMOG）

最新推荐文章于 2026-04-10 09:11:27 发布
转载 最新推荐文章于 2026-04-10 09:11:27 发布 · 2.4k 阅读 · 8
本文详细探讨了高斯混合模型（BackgroundSubtractorMOG2）在OpenCV的不同版本中的使用方法与原理，包括从OpenCV 2.4到3.0的变化，以及如何利用该模型进行目标检测与跟踪，特别适用于车辆检测场景。

参考博客：
高斯混合模型背景建模（BackgroundSubtractorMOG2）在opencv3.0与opencv2.4中的使用方法区别：
https://blog.csdn.net/mumu0627/article/details/52741220

opencv中BackgroundSubtractorMOG2源码分析与原理讲解：https://blog.csdn.net/lwx309025167/article/details/78554082

opencv 8 --背景减除 – BackgroundSubtractorMOG2：https://blog.csdn.net/u014737138/article/details/80389977

opencv 高斯混合模型BackgroundSubtractorMOG2实现目标跟踪：https://blog.csdn.net/zhangpengzp/article/details/77119658

使用OpenCV检测和追踪车辆：
https://blog.csdn.net/xfgryujk/article/details/61421763

经典背景减除、背景建模算法源码
12-25
背景建模算法合集，完整版源码，PBAS、GMM算法，前景提取，背景减除
OpenCV-Python(41):背景减除
图灵追幕者博客录
01-15 1583
在x，y 平面上一个像素就是一个像素没有分布，但是我们现在讲的背景建模是基于时间序列的，因此每一个像素点所在的位置在整个时间序列中就会有很多值，从而构成一个分布。但是在大多数情况下，我们没有这样的(背景)图像,所以我们需要从我们已有的图像中提取背景。这是一种自适应的估计，新观察到的对象比旧的对象具有更高的权重，从而对光照变化产生适应。这个算法的一个特点是它为每一个像素选择一个合适数目的高斯分布(上一个方法中我们使用是K高斯分布)。函数是OpenCV库中的一个背景减除算法函数，用于从视频序列中提取前景对象。
opencv中BackgroundSubtractorMOG2源码分析与原理讲解
On my way
11-16 3万+
混合高斯分布（GMM）是背景建模中的经典算法，自提出至今已经有了很多围绕它改进和应用的论文。opencv中（2.4.13版本）也引入了该算法及其改进版本。 首先是基本版本的GMM，opencv将其封装为BackgroundSubtractorMOG，有关该版本算法源码解读及相关论文翻译参考点击打开链接 之后是改进版GMM，opencv把它封装为BackgroundSubtractorMOG2算法类，源代码位于opencv\sources\modules\video\src\bgfg_gaussmix2.
OpenCV视觉分析之运动分析(5)背景减除类BackgroundSubtractorMOG2的使用
jndingxin的专栏
10-24 840
cv::BackgroundSubtractorMOG2 类是 OpenCV 中用于背景减除的一种实现方式，它基于 Gaussian Mixture Model with a recursive algorithm (GMM) 来估计背景模型。这种模型对于动态场景下的背景减除非常有效，因为它可以适应背景的变化并且对光照变化有一定的鲁棒性。
OpenCV视频分析三剑客：背景建模、光流估计与目标跟踪
最新发布
m0_74398756的博客
04-10 725
CSRT（Channel and Spatial Reliability Tracking）是基于**判别相关滤波器（DCF）**的跟踪算法。它在初始化时学习目标的外观模型，然后在后续帧中通过相关滤波找到与目标最相似的区域。CSRT 核心思路：初始化：框选ROI → 学习目标外观模板更新：提取候选区域 → 相关滤波打分 → 找到最高分位置CSRT 相比 KCF / MOSSE 的优势在于引入了通道可靠性权重，对目标形变和部分遮挡有更好的鲁棒性。背景建模 MOG2 — “发现运动”
opencv 8 --背景减除 -- BackgroundSubtractorMOG2
wust小吴
05-21 1万+
在很多基础应用中背景检出都是一个非常重要的步骤。 例如顾客统计，使用一个静态摄像头来记录进入和离开房间的人数；或者是交通摄像头，需要提取交通工具的信息等。 在所有的这些例子中，首先要将人或车单独提取出来。 技术上来说，我们需要从静止的背景中提取移动的前景 如果你有一张背景(仅有背景不含前景)图像，比如没有顾客的房间，没有交通工具的道路等，那就好办了。我们只需要在新的图像中减去背景就可以得...
详解OpenCV的视频背景/前景分割(背景建模/前景提取)类cv::BackgroundSubtractorMOG2,并利用它实现对道路监控视频前景/背景的提取
昊虹AI笔记
05-31 3925
cv::BackgroundSubtractorMOG2和cv::bgsegm::BackgroundSubtractorMOG一样，都是基于高斯混合模型的背景与前景分割算法。 cv::BackgroundSubtractorMOG2是对cv::bgsegm::BackgroundSubtractorMOG的改进，经过改进，它实现了自适应高斯混合模型参数的更新，增强了复杂场景背景检测的性能。 具体的算法原理可以参见下面两篇论文： 第一篇： Zoran Zivkovic and Ferdinand van d
OpenCV3学习（10.3）基于高斯混合模型的背景建模BackgroundSubtractorMOG/MOG2
知识搬运工的博客
02-12 1万+
OpenCV用于背景建模的类主要有：BackgroundSubtractor、BackgroundSubtractorMOG、BackgroundSubtractorMOG2、BackgroundSubtractorKNN。BackgroundSubtractor在OpenCV2和3版本有较大区别，OpenCV3取消了OpenCV2.4中的高斯背景建模（BackgroundSubtra...
高斯混合模型背景建模（BackgroundSubtractorMOG2）在opencv3.0与opencv2.4中的使用方法区别
我欲乘风归去
10-05 1万+
BackgroundSubtractorMOG2函数在opencv3.0与opencv2.4中的不同实现方式 在opencv2.4版本中，只要加了#include "opencv2/opencv.hpp"头文件，主要的调用代码如下 int main() { VideoCapture video("../video.avi"); Mat frame, mask, thresholdImage
使用OpenCV检测和追踪车辆
秋水的博客
01-25 7285
源文档链接：http://blog.csdn.net/xfgryujk/article/details/61421763 完整源码GitHub 使用高斯混合模型（BackgroundSubtractorMOG2）对背景建模，提取出前景使用中值滤波去掉椒盐噪声，再闭运算和开运算填充空洞使用cvBlob库追踪车辆，我稍微修改了cvBlob源码来通过编译 由于要对背景建模，
Opencv3之动态目标检测：BackgroundSubtractorMOG2参数配置
热门推荐
沐阳2100的博客
06-02 4万+
Opencv集成了BackgroundSubtractorMOG2用于动态目标检测，用到的是基于自适应混合高斯背景建模的背景减除法，相对于BackgroundSubtractorMOG，其具有更好的抗干扰能力，特别是光照变化。 -------------------------------------------------------------------------------------
BackgroundSubtractorMOG2前后背景分离
梦沁清风
09-19 9858
BackgroundSubtractorMOG2 重要方法 1. BackgroundSubtractorMOG2 的构造函数     C++: BackgroundSubtractorMOG2::BackgroundSubtractorMOG2()   采用默认值进行构造BackgroundSubtractorMOG2的对象。 Parameters:
基于opencv的BackgroundSubtractorMOG2和BackgroundSubtractorKNN通过背景减除来实现目标追踪
ding_programmer的博客
11-03 7926
背景减除(Background Subtraction)是许多基于计算机视觉的任务中的主要预处理步骤。如果我们有完整的静止的背景帧，那么我们可以通过帧差法来计算像素差从而获取到前景对象。但是在大多数情况下，我们可能没有这样的图像，所以我们需要从我们拥有的任何图像中提取背景。当运动物体有阴影时，由于阴影也在移动，情况会变的变得更加复杂。为此引入了背景减除算法，通过这一方法我们能够从视频中分离出运...
【python】OpenCV—Tracking（10.2）—BackgroundSubtractor
bryant_meng
05-28 2247
借助 BackgroundSubtractor 类，可检测阴影，用阈值排除阴影，从而关注实际特征。做 gif 的时候只设置了播放一次，重复播放需要刷新。Opencv 有三种背景分割器。
对于视频处理方法的初步研究以及第一印象
大侠isme
11-13 617
#开始时间 2021年1月27日 早上 #结束时间 2021年1月 先开始吐槽吧! 每个人都会说视频的异常定义是复杂的，有的情况下时正常的有的情况下是异常的，MD我就觉得不是，你摄像机是固定的，那个场景自己不会设置啊，S13 。设置好了场景不就固定了！！ 20号考完试，今天是27号，经历了醉生梦死的一周，每天都是在玩玩，吃饭喝酒拍片,感觉生活节奏全部都打乱了。现在今天终于良心发现回学校读读论文。之前的那个综述信息量太大了。现在找个具体的方法，对整个实验的流程做整体性的了解。今天读的这篇文章是《[2016 信
从传统算法过渡到深度学习（从经典GMM-BackgroundSubtractorMOG2到BackgroundMatting），运动目标检测实战
Flying Bulldog 的博客
04-19 1501
首先收集非常多的人物肖像数据集，然后搭建两个神经网络，即引入了一个base网络，它可以在较低的分辨率下预测alpha matte和前景层，以及一个预测误差图，它指定了可能需要高分辨率精细化的区域。然后，使用一个refinement网络将低分辨率的结果和原始图像结合在一起，只在选定区域生成高分辨率的输出。最后达到了惊人的效果
opencv：动态目标检测--BackgroundSubtractorMOG2 C++
zhaohanqq的博客
09-22 4563
BackgroundSubtractorMOG2基于自适应混合高斯背景建模，具有一定的抗光照干扰的能力，参数配置如下 Ptr<BackgroundSubtractorMOG2> bgsubtractor = createBackgroundSubtractorMOG2(); // 用于训练背景的帧数，如果不手动设置learning rate，history就被用于计算当前的learni...
前景检测算法（五）--GMM，GMM2，GMG
工作笔记
07-06 2万+
GMM是网上到处可见且用得最多的背景建模算法，论文上很多相关概率公式，又看了很多博客对于GMM的解释，直到现在还总是觉得很难理解其中的真谛，从各方面整理一下目前自己所理解的内容，如果有理解偏差，欢迎指正。         Mog2用的是自适应的高斯混合模型（Adaptive GMM，Gaussian Mixture Model），在OpenCV中开源了的几种背景提取算法MOG，MO
opencv 高斯混合模型BackgroundSubtractorMOG2实现目标跟踪
Lammy的专栏
08-12 5563
此篇文章是学习csdn学院的个教程视频中的例子，于是跟着视频自己也学着实现了。先得准备一些基本的图像操作知识。 基本的一些图像操作主要为图像的缩放、高斯模糊、颜色空间转化、二值化#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值