C++ OpenCV中如何实现机器学习算法的背景消除建模

这篇文章将为大家详细讲解有关C++ OpenCV中如何实现机器学习算法的背景消除建模，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

相关API及核心代码

机器学习API和高斯混合模型建模很像，主要是的API为BackgroundSubtractorKNN，其核心代码为：

cv::Mat bsmKNN;

cv::Ptr<cv::BackgroundSubtractor> pKNN = cv::createBackgroundSubtractorKNN();

pKNN->apply(frame, bsmKNN);

代码演示

我们直接借用上次的代码，在上面的基础上直接看到两个背景消除建模的不同。下面我直接把所有的代码贴图出来。

从上面的代码中我们看到，用机器学习KNN的方式和高斯混合模型的方式基本差不多，就是在创建的时候用的不同的方法。我们直接看一下运行的视频，看看有没有什么不同之处。

看完上面的视频不知道大家有没有看出有什么不同呢？

其实后面的都差不大多，只有在刚开始播放的前几帧时我们能看出来问题了，我把前几帧截一下图。

上面两张图是视频的第4秒和视频的第5秒，从第4秒（第一张图）的图我们可以看出左边红框的KNN是我们的机器学习背景建模，右边红框是原来高斯混合模型的背景消除建模，KNN由于是机器学习，所以前几帧的时候需要自己根据图像在适应训练，找到符合的背景后，然后就会自动消除背景，所以视频的第5秒（第二张图）KNN的框已经完全变成黑色的了，而利用高斯混合模型进行图像分割时，从第一张图上就已经进行背景的分割了。

这就是图像分割和机器学习两种BS算法的差别，真正项目中我们可以用比较适合项目的方法进行图像处理。

关于“C++ OpenCV中如何实现机器学习算法的背景消除建模”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。