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影机供稿中的对象。该实现必须具有鲁棒性以适应不断变化的光照条件，并且理想情况下应能够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声。
到目前为止我尝试过的选项包括；
-识别空白背景框和当前框之间的绝对像素差（如果光线条件发生变化或相机抖动，则效果不佳）
-Background subtraction（有助于改变条件，但会产生过多的噪音）
-还考虑过使用边缘检测，该边缘检测不会受到光照条件变化的影响，并以某种方式比较对象形状以查看有什么新事物
理想情况下，我希望有一个输出，它允许我为框架中移动的任何对象生成一个边界框，背景参考随时间逐渐变化以适应变化的光照条件（或者可以对输入框架进行光照标准化）所以没有效果吗？）
您会推荐什么？我正在通过C ++通过Visual Studio 2017运行OpenCV
答案 0 :(得分：0)
我正在做一个类似项目的课程项目。我使用了OpenCV库中的HSV / RGB阈值，累积差异图像和MOG等几种方法。
对于您的情况，我建议您使用与MOG非常相似的累积差异图像。基本上，您要彼此减去连续的帧（当前帧之前的帧），然后使用阈值转换为二进制图像。然后可以对二进制图像执行形态学运算以增强检测能力。
此方法相对适合您的情况，因为它对照明和相机运动的合理缓慢变化不敏感。但是不会检测到静止的物体。
为了消除噪声，您可能需要先腐蚀然后再扩张二进制图像（进行形态学操作）。
祝你好运！