Opencv集成了BackgroundSubtractorMOG2用于动态目标检测，用到的是基于自适应混合高斯背景建模的背景减除法，相对于BackgroundSubtractorMOG，其具有更好的抗干扰能力，特别是光照变化。

------------------------------------------------------------------------------------------------------------

ps： BackgroundSubtractorMOG2等一些背景减除法、帧差法仅仅做运动检测，网上经常有人做个运动检测，再找个轮廓，拟合个椭圆就说跟踪了，混淆了概念，凡是没有建立帧与帧之间目标联系的，没有判断目标产生和目标消失的都不能算是跟踪吧。

-----------------------------------------------------------------------------------------------------------

BackgroundSubtractorMOG2具有大量的参数，参数的设置会对运动检测的结果产生极大影响。opencv2版本的BackgroundSubtractorMOG2参数是不可调的，因此MOG2的检测效果往往令人失望，甚至有人认为不如MOG。

在opencv3版本中，BackgroundSubtractorMOG2通过大量的成员函数使得参数可调，相信这一状况可以极大改变。然而对于不想钻研算法的opencv玩家来说，或者像我这种初学opencv又想做出点好玩的效果的人来说，，理解这些参数头都大了，这里结合我的浅见和别人的一些成果，总结了一些参数的意义，仅供参考，误人子弟勿喷！

部分参考自：http://blog.csdn.net/abc20002929/article/details/43247425

1-- BackgroundSubtractorMOG2创建及初始化 Ptr<backgroundsubtractormog2> cv::createBackgroundSubtractorMOG2 ( int history = 500, double varThreshold = 16, bool detectShadows = true </backgroundsubtractormog2>

eg：Ptr<BackgroundSubtractorMOG2> mog = createBackgroundSubtractorMOG2(100,25,false);

• history：用于训练背景的帧数，默认为500帧，如果不手动设置learningRate，history就被用于计算当前的learningRate，此时history越大，learningRate越小，背景更新越慢；
• varThreshold：方差阈值，用于判断当前像素是前景还是背景。一般默认16，如果光照变化明显，如阳光下的水面，建议设为25,36，具体去试一下也不是很麻烦，值越大，灵敏度越低；
  
• detectShadows：是否检测影子，设为true为检测，false为不检测，检测影子会增加程序时间复杂度，如无特殊要求，建议设为false；

BackgroundSubtractorMOG2运动检测 virtual void cv::BackgroundSubtractor::apply ( InputArray image, OutputArray fgmask, double learningRate = -1 eg：mog->apply(src_YCrCb, foreGround, 0.005);

• image 源图
• fmask 前景（二值图像）
• learningRate 学习速率，值为0-1,为0时背景不更新，为1时逐帧更新，默认为-1，即算法自动更新；
  

BackgroundSubtractorMOG2其他参数 参数设置函数见： http://docs.opencv.org/3.2.0/d7/d7b/classcv_1_1BackgroundSubtractorMOG2.html eg：mog->setVarThreshold(20); 部分重要参数介绍

• nmixtures：高斯模型个数，默认5个，最多8个，一般设为5就好，个人测试：设为8个的时候检测效果提升有限，但程序耗时增加；
  
• backgroundRatio：高斯背景模型权重和阈值，nmixtures个模型按权重排序后，只取模型权重累加值大于backgroundRatio的前几个作为背景模型。也就是说如果该值取得非常小，很可能只使用权重最大的高斯模型作为背景(因为仅一个模型权重就大于backgroundRatio了)；
  
• fVarInit：新建高斯模型的方差初始值，默认15；
• fVarMax：背景更新过程中，用于限制高斯模型方差的最大值，默认20；
• fVarMin：背景更新过程中，用于限制高斯模型方差的最小值，默认4；
  
• varThresholdGen：方差阈值，用于是否存在匹配的模型，如果不存在则新建一个；
  

BackgroundSubtractorMOG2运动检测程序参考 #include <stdafx> #include "opencv2/opencv.hpp" #include <vector> using namespace cv; using namespace std; const int Train = 100; int main(int argc, char *argv[]) Ptr<backgroundsubtractormog2> mog = createBackgroundSubtractorMOG2(100, 25, false); //bgsubtractor->setVarThreshold(20); Mat foreGround; Mat backGround; int trainCounter = 0; bool dynamicDetect = true; namedWindow("src"); namedWindow("foreground"); VideoCapture cap(0);//打开默认的摄像头 if (!cap.isOpened()) return -1; Mat src; bool stop = false; while (!stop) cap >> src; if (dynamicDetect) mog->apply(src_YCrCb, foreGround, 0.005); //图像处理过程 medianBlur(foreGround, foreGround, 3); dilate(foreGround, foreGround, Mat(), Point(-1, -1), 3); erode(foreGround, foreGround, Mat(), Point(-1, -1), 6); dilate(foreGround, foreGround, Mat(), Point(-1, -1), 3); imshow("foreground", foreGround); if (trainCounter < Train)//训练期间所得结果为不准确结果，不应作为后续 Mat findc; foreGround.copyTo(findc); vector<vector<point>> contours; cv::findContours(findc, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE); //targets.clear(); const int maxArea = 800; size_t s = contours.size(); for (size_t i = 0; i < s; i++) double area = abs(contourArea(contours[i])); if (area > maxArea) Rect mr = boundingRect(Mat(contours[i])); rectangle(src, mr, Scalar(0, 0, 255), 2, 8, 0); //targets.push_back(mr); //string text; char text[50]; sprintf_s(text, "background training -%d- ...", trainCounter); putText(src, text, Point(50, 50), 3, 1, Scalar(0, 255, 255), 2, 8, false); //delete[] text; }else //detects.clear(); Mat findc; foreGround.copyTo(findc); vector<vector<point>> contours; cv::findContours(findc, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE); const int maxArea = 500; size_t s = contours.size(); RNG rng； for (size_t i = 0; i < s; i++) double area = abs(contourArea(contours[i])); if (area > maxArea) Scalar sca_color = Scalar(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256)); Rect mr = boundingRect(Mat(contours[i])); rectangle(src, mr, sca_color, 2, 8, 0); //可以对动态目标进行相应操作 trainCounter++; imshow("src", src); if (waitKey(30) == 27) //Esc键退出 stop = true; return 0; </point></point></backgroundsubtractormog2></vector></stdafx> Opencv集成了BackgroundSubtractorMOG2用于动态目标检测，用到的是基于自适应混合高斯背景建模的背景减除法，相对于BackgroundSubtractorMOG，其具有更好的抗干扰能力，特别是光照变化。------------------------------------------------------------------------------------- 1. Background Sub trac tor MOG2 的构造函数     C++: Background Sub trac tor MOG2 :: Background Sub trac tor MOG2 ()   采用默认值进行构造 Background Sub trac tor MOG2 的对象。 1. 安装 OpenCV 库，可以通过官网下载安装包或使用包管理器进行安装。 2. 在编译程序时指定 OpenCV 库的路径，可以使用"-I"选项指定头文件路径，"-L"选项指定库文件路径，"-l"选项指定链接的库名。 3. 检查文件或目录名是否正确，可以使用文件管理器或命令行查看文件或目录是否存在。