溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關C++ OpenCV中如何實現機器學習算法的背景消除建模，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
相關API及核心代碼
機器學習API和高斯混合模型建模很像，主要是的API為BackgroundSubtractorKNN，其核心代碼為：
cv::Mat bsmKNN;
cv::Ptr<cv::BackgroundSubtractor> pKNN = cv::createBackgroundSubtractorKNN();
pKNN->apply(frame, bsmKNN);
代碼演示
我們直接借用上次的代碼，在上面的基礎上直接看到兩個背景消除建模的不同。下面我直接把所有的代碼貼圖出來。
從上面的代碼中我們看到，用機器學習KNN的方式和高斯混合模型的方式基本差不多，就是在創建的時候用的不同的方法。我們直接看一下運行的視頻，看看有沒有什么不同之處。
看完上面的視頻不知道大家有沒有看出有什么不同呢？
其實后面的都差不大多，只有在剛開始播放的前幾幀時我們能看出來問題了，我把前幾幀截一下圖。
上面兩張圖是視頻的第4秒和視頻的第5秒，從第4秒（第一張圖）的圖我們可以看出左邊紅框的KNN是我們的機器學習背景建模，右邊紅框是原來高斯混合模型的背景消除建模，KNN由于是機器學習，所以前幾幀的時候需要自己根據圖像在適應訓練，找到符合的背景后，然后就會自動消除背景，所以視頻的第5秒（第二張圖）KNN的框已經完全變成黑色的了，而利用高斯混合模型進行圖像分割時，從第一張圖上就已經進行背景的分割了。
這就是圖像分割和機器學習兩種BS算法的差別，真正項目中我們可以用比較適合項目的方法進行圖像處理。
關于“C++ OpenCV中如何實現機器學習算法的背景消除建模”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
