Question

在这个 Python OpenCV 教程中，我们将要讨论如何通过检测运动来减弱图像的背景。 这将要求我们回顾视频的使用，或者有两个图像，一个没有你想要追踪的人物/物体，另一个拥有人物/物体。 如果你希望，你可以使用你的摄像头，或者使用如下的视频：

人们行走的样例视频

这里的代码实际上很简单，就是我们现在知道的：

import numpy as np
import cv2

cap = cv2.VideoCapture('people-walking.mp4')
fgbg = cv2.createBackgroundSubtractorMOG2()

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

    fgmask = fgbg.apply(frame)

    cv2.imshow('fgmask',frame)
    cv2.imshow('frame',fgmask)


    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break


cap.release()
cv2.destroyAllWindows()

结果：

https://pythonprogramming.net/static/images/opencv/opencv-python-foreground.mp4

这里的想法是从静态背景中提取移动的前景。 你也可以使用这个来比较两个相似的图像，并立即提取它们之间的差异。

在我们的例子中，我们可以看到我们确实已经检测到了一些人，但是我们确实有一些“噪音”，噪音实际上是树叶在周围的风中移动了一下。 只要我们知道一种减少噪音的方法。 等一下！ 我们的确知道！ 一个疯狂的挑战已经出现了你面前！

接下来的教程开始让我们远离滤镜或变换的应用，并让我们使用 Haar Cascades 来检测一般对象，例如面部检测等等。