任务是分析和计算办公室中客户的流量。对于类似任务，有许多解决方案，例如使用卷积神经网络（CNN），例如YOLO（仅查看一次），SSD（单发检测），R-CNN等。但是由于输入数据是各种分辨率和格式的视频片段，具体取决于记录器型号和设置设置，因此决定尝试使用背景减法。我也想尝试一下该算法，因为我以前从未遇到过它，它的功能很有趣。
顾名思义，此方法依赖于背景。其基础是将下一帧与前一帧进行比较以进行更改。也就是说，如果背景没有变化或变化不大（树叶摇曳，云层移动等），则此方法将不会在帧和视频中选择这些区域。还有大量的内部算法是背景减法的基础，这些算法以不同的方式确定变化。一些算法对变化非常敏感，即小雨，由于风的影响，树冠变化不大，所有这些对象将在算法蒙版上可见。其他算法会非常粗略地构建蒙版，将许多像素组合到一个对象中，也就是说，两个人并排移动，将被定义为一个人，因此，为您的任务选择正确的算法并尝试不同的设置（用于比较的帧数，用于裁切区域的边框等）非常重要。
算法中还有各种设置可以提高质量，最终的蒙版看起来更好地用于识别对象。
经过额外的设置并编写了额外的代码以突出显示可变区域并进一步计算客户流之后，事实证明在计算人数方面取得了良好的结果，因为这是CV2 python库方法的首次使用经验，而没有使用神经网络。
不幸的是，这种方法有其缺点，那就是选择了一些工件，再加上功能有限且使用范围狭窄，但是作为经验和对Computer Vision功能的熟悉，这是一个绝好的机会。
我建议利用我在使用开源工具和服务中解决计算机视觉问题的经验。