python+opencv实现移动侦测(帧差法)

下面是详细讲解“Python+OpenCV实现移动侦测(帧差法)”的完整攻略。

1. 什么是移动侦测

移动侦测是指通过对视频或图像序列进行分析,检测出其中的运动目标。在视频监控、智能交通等领域中,移动侦测是一项重要的技术。

2. 帧差法原理

帧差法是一种简单有效的移动侦测算法,其原理是通过比较相邻帧之间的像素值差异,来检测出运动目标。具体实现过程如下:

  1. 读取视频帧。
  2. 将当前帧与前一帧进行差分,得到差分图像。
  3. 对差分图像进行二值化处理,得到前景掩模。
  4. 对前景掩模进行形态学操作,去除噪声和小的区域。
  5. 在前景掩模中检测出运动目标的轮廓。

3. 实现移动侦测

以下是用Python+OpenCV实现移动侦测的步骤。

3.1 导入库

import cv2
import numpy as np

3.2 读取视频

cap = cv2.VideoCapture('test.mp4')

3.3 初始化变量

ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)
background = gray

3.4 实现帧差法

while True:
    ret, frame = cap.read()
    if not ret:
        break
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (21, 21), 0)
    diff = cv2.absdiff(background, gray)
    thresh = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1]
    thresh = cv2.dilate(thresh, None, iterations=2)
    contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for contour in contours:
        if cv2.contourArea(contour) < 1000:
            continue
        (x, y, w, h) = cv2.boundingRect(contour)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.imshow('frame', frame)
    key = cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break
    if key == ord('r'):
        background = gray
cap.release()
cv2.destroyAllWindows()

4. 示例说明

以下是两个示例说明,分别是使用帧差法实现移动侦测和使用帧差法实现移动侦测保存检测结果。

4.1 使用帧差法实现移动侦测

以下是一个使用帧差法实现移动侦测的示例。

import cv2
import numpy as np

cap = cv2.VideoCapture('test.mp4')

ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)
background = gray

while True:
    ret, frame = cap.read()
    if not ret:
        break
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (21, 21), 0)
    diff = cv2.absdiff(background, gray)
    thresh = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1]
    thresh = cv2.dilate(thresh, None, iterations=2)
    contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for contour in contours:
        if cv2.contourArea(contour) < 1000:
            continue
        (x, y, w, h) = cv2.boundingRect(contour)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.imshow('frame', frame)
    key = cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break
    if key == ord('r'):
        background = gray

cap.release()
cv2.destroyAllWindows()

4.2 使用帧差法实现移动侦测并保存检测结果

以下是一个使用帧差法实现移动侦测并保存检测结果的示例。

import cv2
import numpy as np

cap = cv2.VideoCapture('test.mp4')

ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)
background = gray

cc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, 20.0, (640, 480))

while True:
    ret, frame = cap.read()
    if not ret:
        break
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (21, 21), 0)
    diff = cv2.absdiff(background, gray)
    thresh = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1]
    thresh = cv2.dilate(thresh, None, iterations=2)
    contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for contour in contours:
        if cv2.contourArea(contour) < 1000:
            continue
        (x, y, w, h) = cv2.boundingRect(contour)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
    out.write(frame)
    cv2.imshow('frame', frame)
    key = cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break
    if key == ord('r'):
        background = gray

cap.release()
out.release()
cv2.destroyAllWindows()

5. 总结

帧差法是一种简单有效的移动侦测算法,可以用Python+OpenCV实现。本教程介绍了帧差法的原理和实现步骤,并提供了相应的示例。其中,示例一是使用帧差法实现移动侦测,示例二是使用帧差法实现移动侦测并保存检测结果。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:python+opencv实现移动侦测(帧差法) - Python技术站

(0)
上一篇 2023年5月14日
下一篇 2023年5月14日

相关文章

  • python pandas获取csv指定行 列的操作方法

    要想获取csv指定行列的数据,需要使用Python的pandas库。下面是python pandas获取csv指定行列的操作方法的攻略: 第一步:导入pandas库和读取csv文件 在代码中先导入pandas库,然后使用pandas的read_csv()方法读取csv文件。下面是代码示例: import pandas as pd df = pd.read_c…

    python 2023年6月3日
    00
  • 总结Python函数参数的六种类型

    下面就为大家详细讲解Python函数参数的六种类型。 Python函数参数的六种类型 在Python中,函数参数可以分为六种类型: 位置参数(Positional Arguments) 默认参数(Default Arguments) 可变长位置参数(Variable-Length Positional Arguments) 可变长关键字参数(Variable…

    python 2023年5月14日
    00
  • Python3将ipa包中的文件按大小排序

    以下是“Python3将ipa包中的文件按大小排序”的完整攻略: 介绍 在iOS开发中,我们经常需要处理ipa包,其中包含了许多文件。有时候我们需要对这些文件按大小进行排序,以便快速找到文件占用存储空间最多的位置。本文将演示如何使用Python3对ipa包中的文件按大小进行排序。 准备工作 首先,我们需要用到zipfile模块来解压ipa包,该模块是Pyth…

    python 2023年6月3日
    00
  • python 调试冷知识(小结)

    Python调试冷知识(小结) 在Python编程中,调试是非常重要的一环。在调试过程中,我们需要使用各种工具和技巧来定位和解决问题。本文将详讲解Python调试冷识(小结),包括使用pdb调试、使用traceback模块、使用logging模块等。在过程中,提供个示例说明,助读者更好地理解Python调试的注意事项。 使用pdb调试 pdb是Python自…

    python 2023年5月13日
    00
  • 基于Python编写一个B站全自动抽奖的小程序

    下面是基于Python编写一个B站全自动抽奖的小程序的完整攻略: 1. 准备工作 在开始编写程序之前,我们需要进行以下准备工作: 确保已经安装了Python,并且安装了必要的第三方库(例如requests,selenium等); 获取B站的登录凭证(cookies); 获取要抽奖的B站视频的av号。 2. 分析抽奖流程 在编写程序之前,我们需要先分析B站的抽…

    python 2023年5月23日
    00
  • python实现提取str字符串/json中多级目录下的某个值

    提取多级目录下的值是Python处理字符串和JSON数据的常见需求。下面是一些步骤,可以让你实现该功能。 将字符串或JSON数据转换为Python对象 如果你要从字符串中提取值,可以使用Python内置的字符串方法来加载它,例如json.loads。如果你已经有一个JSON数据,你可以使用Python的json库来加载它。你可以使用以下代码来加载JSON数据…

    python 2023年6月3日
    00
  • python全面解析接口返回数据

    为了完整地讲解“Python全面解析接口返回数据”的攻略,我们需要按照以下步骤进行: 步骤一:确定请求接口 在访问某个接口之前,我们需要确定自己想要请求获取的数据和接口所需的参数,这些参数在访问接口时需要进行传递。我们可以使用Python中的requests库来向服务器发送HTTP请求。 import requests params = { ‘param1’…

    python 2023年6月3日
    00
  • python字典DICT类型合并详解

    Python字典DICT类型合并详解 Python中,我们可以使用字典(dict)类型来处理键值对数据,本文将详细介绍字典的合并操作。 1. Python中字典合并的两种方式 方式一:“|”操作符 在Python 3.9及以上版本中,字典合并操作可以使用“|”操作符,例如: dict1 = {‘a’: 1, ‘b’: 2} dict2 = {‘c’: 3, …

    python 2023年5月13日
    00
合作推广
合作推广
分享本页
返回顶部