对于我的一个项目，我需要用OpenCV处理图像差异。目标是检测区域中的入侵。
为了更清楚一点，以下是输入和输出：
输入：
- 参考图像
- 来自大致相同视角的第二张图像（可能是误差范围）
输出：
- 检测场景中的新对象
奖金：
- 识别这些物体
对我来说，最困难的部分是消除微小的差异（亮度、相机位置裕度误差、树木的移动…）
我已经读了很多关于OpenCV图像处理的文章（减法、侵蚀、阈值、SIFT、SURF…），并取得了一些不错的结果。
我想要的是一份你认为最好的检测步骤列表（人类、汽车…），以及每一步的算法。
非常感谢你的帮助。
通过检测进行跟踪，人类跟踪器：
- 你应用猪探测器来探测人类
- 在前景蒙版上绘制相应的矩形作为前景区域
- 您将此掩码传递给"OpenCV视频监控/Blob跟踪器设施"
现在，你可以根据路过的人的斑点对他们进行分组。｛x，y｝值输入公共/限制区域。
去年我不得不处理这个问题。我提出了一种自适应背景-前景估计算法，该算法产生了前景掩模。
最重要的是，你添加了一个斑点检测器和跟踪器，然后计算斑点和入侵区域之间是否发生了交叉。
Opencv在遗留代码中提供了所有这些的示例。当然，如果你愿意，你也可以使用你自己的或其他版本的这些。
链接：http://opencv.willowgarage.com/wiki/VideoSurveillancehttp://experienceopencv.blogspot.gr/2011/03/blob-tracking-video-surveillance-demo.html
如果相机是静态的，我肯定会从运行平均背景减法开始。然后，您可以使用findContours（）来查找入侵对象的位置和大小。如果你想检测场景中四处走动的人类，我建议你使用内置的haar分类器：
http://docs.opencv.org/doc/tutorials/objdetect/cascade_classifier/cascade_classifier.html#cascade-分类器
您只需将xml替换为upperbody分类器。