背景subtract cnt项目使用教程
2025-05-17 12:15:22作者:冯梦姬Eddie
1. 项目介绍
BackgroundSubtractorCNT 是一个针对 OpenCV 的背景减除算法的优化实现。它提供了一个比 OpenCV 默认的背景减除解决方案更快的新算法。这个项目被设计为 OpenCV 3.1.0 及以上版本的即插即用式 API。在没有 NVidia CUDA 加速的低规格硬件上,它比 OpenCV 中的其他背景减除方案速度要快得多。
2. 项目快速启动
以下是在 Linux 系统下快速启动项目的步骤:
首先,确保已经安装了所需的依赖项,包括 cmake、git(可选,用于从 GitHub 下载源代码)、swig(可选,用于构建 Python 扩展)。
# 克隆项目仓库
git clone https://github.com/sagi-z/BackgroundSubtractorCNT.git --single-branch
cd BackgroundSubtractorCNT
# 创建构建目录并进入
mkdir build
cd build
# 默认构建配置(发布版本,静态库,不带 C++ 演示和 Python 扩展)
cmake ..
make
如果要修改默认构建选项,比如启用测试、构建共享库或 Python 扩展,可以使用以下命令:
# 修改默认构建选项
cmake -DBUILD_TEST=ON -DBUILD_SHARED_LIBS=ON -DPYTHON_EXTENSION=ON -DCMAKE_BUILD_TYPE=DEBUG ..
make
对于 C++ 的安装,可以将 bgsubcnt.cpp 复制到您的源代码目录中,将 bgsubcnt.h 复制到头文件目录中。
对于 Linux 系统的 Python 安装,可以使用以下命令:
# 安装 Python 扩展(从构建目录)
sudo make install
或者使用更干净的方式来安装:
# 使用 CPack 打包并安装
cpack -G DEB
sudo dpkg -i ./bgsubcnt-1.1.3-Linux.deb
3. 应用案例和最佳实践
在视频监控、运动检测等应用中,背景减除是一个常见的步骤。以下是一个简单的使用 BackgroundSubtractorCNT 的案例:
#include <opencv2/opencv.hpp>
#include "bgsubcnt.h"
int main() {
cv::VideoCapture capture("input_video.avi");
cv::Ptr<bgsubcnt::BackgroundSubtractor> fgbg = bgsubcnt::createBackgroundSubtractor();
while (true) {
cv::Mat frame;
capture >> frame;
if (frame.empty())
break;
cv::Mat fgmask;
fgbg->apply(frame, fgmask);
// 显示前景掩码
cv::imshow("Foreground", fgmask);
// 按 'q' 键退出循环
if (cv::waitKey(1) == 'q')
break;
}
return 0;
}
在此代码中,我们创建了一个 BackgroundSubtractor 对象,并使用 apply 方法来获取前景掩码。
4. 典型生态项目
- OpenCV:
BackgroundSubtractorCNT是对 OpenCV 的一个扩展,OpenCV 是一个跨平台的计算机视觉库。 - Python:项目支持 Python 绑定,允许 Python 开发者使用这个库。
- CMake:构建系统使用 CMake,这使得项目可以在多种平台上编译和构建。
以上就是 BackgroundSubtractorCNT 的使用教程。希望对您有所帮助!
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
710
4.51 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
578
99
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
deepin linux kernel
C
28
16
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
414
339
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2