通过视频中的背景进行建模，实现背景消除，生成mask图像，通过对mask二值图像分析实现对前景活动对象ROI区域的提取，是很多视频监控分析软件常用的手段之一，该方法很实时！整个步骤如下：
- 初始化背景建模对象GMM
- 读取视频一帧
- 使用背景建模消除生成mask
- 对mask进行轮廓分析提取ROI
- 绘制ROI对象
函数：
OpenCV中实现的背景模型提取算法有两种，一种是基于高斯混合模型GMM实现的背景提取，另外一种是基于最近邻KNN实现的。都有相关的API可以供开发者使用。 相关API：
Ptr<BackgroundSubtractorMOG2> cv::createBackgroundSubtractorMOG2(
int history = 500,
double varThreshold = 16,
bool detectShadows = true
)
参数解释如下： history表示过往帧数，500帧，选择history = 1就变成两帧差 varThreshold表示像素与模型之间的马氏距离，值越大，只有那些最新的像素会被归到前景，值越小前景对光照越敏感。 detectShadows 是否保留阴影检测，请选择False这样速度快点。
创建 Ptr pBackSub = createBackgroundSubtractorMOG2(); Ptr pBackSub = createBackgroundSubtractorKNN();
# 创建背景提取器
fgbg = cv.createBackgroundSubtractorMOG2(
history=500, varThreshold=100, detectShadows=False)
def process(image, opt=1):
# 提取前景mask
mask = fgbg.apply(frame)
line = cv.getStructuringElement(cv.MORPH_RECT, (1, 5), (-1, -1))
mask = cv.morphologyEx(mask, cv.MORPH_OPEN, line)
cv.imshow("mask", mask)
# 轮廓提取, 发现最大轮廓
out, contours, hierarchy = cv.findContours(mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
for c in range(len(contours)):
area = cv.contourArea(contours[c])
if area < 150:
continue
rect = cv.minAreaRect(contours[c])
cv.ellipse(image, rect, (0, 255, 0), 2, 8)
cv.circle(image, (np.int32(rect[0][0]), np.int32(rect[0][1])), 2, (255, 0, 0), 2, 8, 0)
return image, mask
