OpenCV学习之路：BSM背景差分法（第五篇）

背景差分基本原理

Opencv–背景消除建模（BSM）

相较于帧间差分法，背景差分法虽能有效避免“空洞”现象，并能够提取出更为完整的运动目标轮廓，但其对光照条件的变化具有较强的依赖性，且背景更新速度较慢，在物体由静止转为运动或反之的过程中易出现“鬼影”等干扰现象。
BS ,Background Subtraction 背景消除
在opencv库中提供了两种实现背景消除的方式：
其一、采用基于机器学习算法（KNN–K个最近邻）进行背景消除的建模方式
其二、利用图像分割技术（GMM，高斯混合模型）实现抗干扰图像分割的背景消除建模方式

相关API

BackgroundSubtractor

BackgroundSubtractorMOG2 图像分割方法

BackgroundSubtractorKNN 基于机器学习（KNN）最近邻算法的方法

其中，GMM方法具备良好的抗噪性能，能够有效抑制因相邻帧之间微小差异而产生的噪声干扰。

代码实现

    #