哪种使用 OpenCV 的对象检测方法最适合不断变化的环境？

Posted 2023-02-22

【中文标题】哪种使用 OpenCV 的对象检测方法最适合不断变化的环境？

【英文标题】：Which method of object detection using OpenCV is best suited to changing environments?

【发布时间】：2019-04-03 05:36:00

【问题描述】：

我正在尝试确定最佳的 OpenCV 方法和实现，以识别出现在实时摄像机源中的对象。该实现需要对不断变化的光照条件具有鲁棒性，并且理想情况下可以适应背景中的轻微移动（树木/云朵移动），而不会产生过多的噪音。

到目前为止我尝试过的选项包括：

-识别空背景帧和当前帧之间的绝对像素差异（如果光线条件发生变化或相机抖动，则效果不佳）

-Background subtraction（适用于不断变化的条件，但会导致噪音过大）

-也考虑过使用边缘检测，不受光照条件变化的影响，并以某种方式比较物体形状，看看有什么新变化

理想情况下，我希望输出允许我为在帧中移动的任何对象生成边界框，背景参考随着时间的推移逐渐变化以适应不断变化的光照条件（或者可以将输入帧标准化为光照所以这没有效果？）

你会推荐什么？我在 C++ 中通过 Visual Studio 2017 运行 OpenCV

【问题讨论】：

在 OpenCV - MOG2 中。但请先在 bgslibrary 上查看：github.com/andrewssobral/bgslibrary

OCV 库的背景减法方法适用于这类东西。当然，它不是免费的。如果需要性能，这将需要一些优化。在噪音的情况下以及一些后期处理，但这是值得的。

【参考方案1】：

我正在做一个类似项目的课程项目。我使用了几种方法，例如 HSV/RGB 阈值、累积差异图像和 OpenCV 库中的 MOG。

对于您的情况，我会推荐与 MOG 非常相似的累积差异图像。基本上，您将连续的帧彼此相减（从当前帧中减去之前的帧），然后使用阈值转换为二进制图像。然后可以对二值图像进行形态学运算来增强检测。

此方法相对适合您的情况，因为它对光线和相机移动的缓慢变化不敏感。但是不会检测到静止的物体。

为了去除噪声，您可能需要先腐蚀然后膨胀二值图像（玩转形态学运算）。

祝你好运！