opencv 的运动目标检测c++

A：OpenCV提供了几种运动目标检测的方法，其中最常用的是基于背景减除的方法。具体步骤如下：

1. 读取视频，初始化背景模型。

2. 对每一帧进行前景检测，一般使用差分法。

3. 对于前景像素，采用形态学处理提取连通区域。

4. 对于每个连通区域，计算其质心与外接矩形，作为目标的中心点和BoundingBox。可以使用cv::moments()和cv::boundingRect()函数实现。

5. 可以加入目标过滤和跟踪等后续处理。

下面是一个简单的示例代码：

#include <opencv2/opencv.hpp>

int main()
{
    cv::VideoCapture cap("test.mp4");
    cv::Ptr<cv::BackgroundSubtractor> pMOG2 = cv::createBackgroundSubtractorMOG2();

    while (true) {
        cv::Mat frame;
        cap >> frame;
        if (frame.empty()) {
            break;
        }

        cv::Mat fgMask;
        pMOG2->apply(frame, fgMask);

        cv::Mat kernel = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(5, 5));
        cv::morphologyEx(fgMask, fgMask, cv::MORPH_OPEN, kernel);

        std::vector<std::vector<cv::Point>> contours;
        std::vector<cv::Vec4i> hierarchy;
        cv::findContours(fgMask, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

        for (int i = 0; i < contours.size(); i++) {
            cv::Moments moments = cv::moments(contours[i], true);
            cv::Point center(moments.m10 / moments.m00, moments.m01 / moments.m00);
            cv::Rect bbox = cv::boundingRect(contours[i]);
            cv::rectangle(frame, bbox, cv::Scalar(0, 0, 255), 2);
            cv::circle(frame, center, 4, cv::Scalar(0, 255, 0), -1);
        }

        cv::imshow("frame", frame);
        cv::imshow("fgMask", fgMask);

        char key = cv::waitKey(30);
        if (key == 27) {
            break;
        }
    }

    cap.release();
    cv::destroyAllWindows();
    return 0;
}

其中，cv::BackgroundSubtractor是背景减除的基类，cv::BackgroundSubtractorMOG2是一种改进的高斯混合模型方法，使用较为广泛。cv::findContours()函数可以用来提取轮廓。