blocks|key|2691825|text|这让我想起了一种检测地铁上被遗忘物体的算法。如果我没有错的话，你想要检测那些没有移动的物体，以及那些不在初始背景上的物体，对吗？您可以应用此方法：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2691826|有了这样的初始图像(找不到真正空的地铁图像)：|2691827|​|2691828|📷|atomic|offset|length|2691829|2691830|还有一张图像，上面有一个附加的静态物体(垃圾罐)，地铁在移动，还有一个人在等着，可能移动了一点：|2691831|2691832|2691833|2691834|在Image>ThresholdDifference+(http://www.aforgenet.com/framework/docs/html/322123cf-39df-0ae8-6434-29cceb6a54e1.htm)之后，我们将得到如下内容：|2691835|2691836|2691837|2691838|注意废物是如何与其他不存在的物体一起出现的。如果您多次应用这个类似的过程，假设每10秒进行一次，那么Image>Intersect+(http://www.aforgenet.com/framework/docs/html/7244211d-e882-09b1-965d-f820375af8be.htm)在几分钟后就会以这样的内容结束：|2691839|2691840|2691841|2691842|您可以使用Image>Connected组件标记(http://www.aforgenet.com/framework/docs/html/240525ea-c114-8b0a-f294-508aae3e95eb.htm)轻松地获取该对象的坐标。|2691843|这种办法的缺点：|2691844|2691845|需要一些时间(如果你每10秒拍一张快照，用秒来进行更频繁的快照)来检测对象。|unordered-list-item|2691846|将花费更多的时间来检测一个颜色与背景相似的对象，您可以很容易地注意到在can的上部，也是白色的，就像墙壁一样。|2691847|。|2691848|entityMap|0|IMAGE|mutability|IMMUTABLE|imageUrl|https://developer.qcloudimg.com/http-save/yehe-900000/e7374126957a1e88a8652d49401885b6.png|imageAlt|1|https://developer.qcloudimg.com/http-save/yehe-900000/0cdaf6267c45691e7e478a91b3f70446.png|2|LINK|MUTABLE|url|http://www.aforgenet.com/framework/docs/html/322123cf-39df-0ae8-6434-29cceb6a54e1.htm|3|https://developer.qcloudimg.com/http-save/yehe-900000/928343882ee4c74130e560bef4dba390.png|4|http://www.aforgenet.com/framework/docs/html/7244211d-e882-09b1-965d-f820375af8be.htm|5|https://developer.qcloudimg.com/http-save/yehe-900000/f64daf29f788aef623c9c675fcfcac7e.png|6|http://www.aforgenet.com/framework/docs/html/240525ea-c114-8b0a-f294-508aae3e95eb.htm^0|0|0|0|0|1|0|0|0|0|0|0|1|1|0|0|S|2D|2|0|0|0|1|3|0|0|1V|2D|4|0|0|0|1|5|0|0|P|2D|6|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|20|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|21|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|22|8|@]|9|@]|A|$]]|$1|F|3|G|5|H|7|23|8|@]|9|@$I|24|J|25|1|26]]|A|$]]|$1|K|3|E|5|6|7|27|8|@]|9|@]|A|$]]|$1|L|3|M|5|6|7|28|8|@]|9|@]|A|$]]|$1|N|3|E|5|6|7|29|8|@]|9|@]|A|$]]|$1|O|3|G|5|H|7|2A|8|@]|9|@$I|2B|J|2C|1|2D]]|A|$]]|$1|P|3|E|5|6|7|2E|8|@]|9|@]|A|$]]|$1|Q|3|R|5|6|7|2F|8|@]|9|@$I|2G|J|2H|1|2I]]|A|$]]|$1|S|3|E|5|6|7|2J|8|@]|9|@]|A|$]]|$1|T|3|G|5|H|7|2K|8|@]|9|@$I|2L|J|2M|1|2N]]|A|$]]|$1|U|3|E|5|6|7|2O|8|@]|9|@]|A|$]]|$1|V|3|W|5|6|7|2P|8|@]|9|@$I|2Q|J|2R|1|2S]]|A|$]]|$1|X|3|E|5|6|7|2T|8|@]|9|@]|A|$]]|$1|Y|3|G|5|H|7|2U|8|@]|9|@$I|2V|J|2W|1|2X]]|A|$]]|$1|Z|3|E|5|6|7|2Y|8|@]|9|@]|A|$]]|$1|10|3|11|5|6|7|2Z|8|@]|9|@$I|30|J|31|1|32]]|A|$]]|$1|12|3|13|5|6|7|33|8|@]|9|@]|A|$]]|$1|14|3|-4|5|6|7|34|8|@]|9|@]|A|$]]|$1|15|3|16|5|17|7|35|8|@]|9|@]|A|$]]|$1|18|3|19|5|17|7|36|8|@]|9|@]|A|$]]|$1|1A|3|1B|5|6|7|37|8|@]|9|@]|A|$]]|$1|1C|3|-4|5|6|7|38|8|@]|9|@]|A|$]]]|1D|$1E|$5|1F|1G|1H|A|$1I|1J|1K|-4]]|1L|$5|1F|1G|1H|A|$1I|1M|1K|-4]]|1N|$5|1O|1G|1P|A|$1Q|1R]]|1S|$5|1F|1G|1H|A|$1I|1T|1K|-4]]|1U|$5|1O|1G|1P|A|$1Q|1V]]|1W|$5|1F|1G|1H|A|$1I|1X|1K|-4]]|1Y|$5|1O|1G|1P|A|$1Q|1Z]]]]

This reminds me of an algorithm to detect forgotten objects on a subway. If I'm not wrong you want to detect objects that are not moving AND that were not on the initial background right? You can apply this approach:

With an initial image like this (couldn't find a truly empty subway image):

<img src="https://i.stack.imgur.com/M4Tkj.png" alt="enter image description here">

And an image with an added static object (the waste can), the subway moving, and a person waiting, probably moving a little:

<img src="https://i.stack.imgur.com/ju0Q5.png" alt="enter image description here">

After a Image>ThresholdDifference (<a href="http://www.aforgenet.com/framework/docs/html/322123cf-39df-0ae8-6434-29cceb6a54e1.htm" rel="nofollow noreferrer">http://www.aforgenet.com/framework/docs/html/322123cf-39df-0ae8-6434-29cceb6a54e1.htm</a>) we will get something like:

<img src="https://i.stack.imgur.com/oJEiN.png" alt="enter image description here">

Note how the waste can appears along with other objects that were not there. If you apply this similar process several times, let say every 10 seconds and then a Image>Intersect (<a href="http://www.aforgenet.com/framework/docs/html/7244211d-e882-09b1-965d-f820375af8be.htm" rel="nofollow noreferrer">http://www.aforgenet.com/framework/docs/html/7244211d-e882-09b1-965d-f820375af8be.htm</a>) you will end with something like this after a few minutes:

<img src="https://i.stack.imgur.com/iYgjY.png" alt="enter image description here">

You can easily get the coordinates of this object with a Image>Connected Component Labeling (<a href="http://www.aforgenet.com/framework/docs/html/240525ea-c114-8b0a-f294-508aae3e95eb.htm" rel="nofollow noreferrer">http://www.aforgenet.com/framework/docs/html/240525ea-c114-8b0a-f294-508aae3e95eb.htm</a>)

Drawbacks of this approach:

<ul>
<li>Needs some time (minutes if you take a snapshot every 10 seconds, seconds for more frequent snapshots) to detect the objects.</li>
<li>Will take even more time to detect an object that has a similar color than the background, you can easily notice this drawback in the upper part of the can, which is also white, like the wall.</li>
</ul>

blocks|key|1814842|text|这是我脑海中的一个解决方案，我不确定它是否能正常工作：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1814843|1814844|运行任何预先需要的过滤器和算法来准备blob检测。|ordered-list-item|1814845|运行blob检测算法并将所有blob保存在一个数组中。|1814846|找到中心，每个blob的面积大小。|1814847|比较当前帧blob的数据和以前的blob(它们的中心和大小)|1814848|<<代码>H19如果变化在可接受的范围内，它们就是未移动的blob。H+210g+211>|offset|length|style|CODE|1814849|entityMap^0|0|0|0|0|0|0|Y|B|0^^$0|@$1|2|3|4|5|6|7|T|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|U|8|@]|9|@]|A|$]]|$1|C|3|D|5|E|7|V|8|@]|9|@]|A|$]]|$1|F|3|G|5|E|7|W|8|@]|9|@]|A|$]]|$1|H|3|I|5|E|7|X|8|@]|9|@]|A|$]]|$1|J|3|K|5|E|7|Y|8|@]|9|@]|A|$]]|$1|L|3|M|5|6|7|Z|8|@$N|10|O|11|P|Q]]|9|@]|A|$]]|$1|R|3|-4|5|6|7|12|8|@]|9|@]|A|$]]]|S|$]]

This is a solution that is in my mind and I'm not sure to works properly:

<ol>
<li>run any pre-required filters and algorithms to be ready to blob detection.</li>
<li>run the blob detection algorithm and save all the blobs in an array.</li>
<li>find the center, and the area size of each blob.</li>
<li>compare current frame blob's data with previous blobs (their center and sizes)</li>
<li>if the changes was in acceptable range they are the unmoved blobs.</li>
</ol>

How to detect Non Moving Blobs from a video? 

Let's consider I have a video and a initial background frame bitmap. Is that possible to detect an blob/object which is NOT MOVING ? and draw a rectangle around that Object?

Aforge Blob Detection

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

如何从视频中检测出不移动的斑点？让我们考虑一下，我有一个视频和一个初始的背景帧位图。这有可能检测到没有移动的blob/对象吗？在那个物体周围画一个长方形？

问Aforge检测
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Aforge检测EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Aforge检测
EN