【Python+OpenCV】目标跟踪-实现基本的运动检测
来源:互联网 发布:mac 命令查看运行程序 编辑:程序博客网 时间:2024/05/22 04:45
目标跟踪是对摄像头视频中的移动目标进行定位的过程,有着非常广泛的应用。实时目标跟踪是许多计算机视觉应用的重要任务,如监控、基于感知的用户界面、增强现实、基于对象的视频压缩以及辅助驾驶等。
有很多实现视频目标跟踪的方法,当跟踪所有移动目标时,帧之间的差异会变的有用;当跟踪视频中移动的手时,基于皮肤颜色的均值漂移方法是最好的解决方案;当知道跟踪对象的一方面时,模板匹配是不错的技术。
本文代码是做一个基本的运动检测
考虑的是“背景帧”与其它帧之间的差异
这种方法检测结果还是挺不错的,但是需要提前设置背景帧,如果是在室外,光线的变化就会引起误检测,还是很有局限性的。
import cv2import numpy as npcamera = cv2.VideoCapture(0) # 参数0表示第一个摄像头# 判断视频是否打开if (camera.isOpened()): print('Open')else: print('摄像头未打开')# 测试用,查看视频sizesize = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)), int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))print('size:'+repr(size))es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 4))kernel = np.ones((5, 5), np.uint8)background = Nonewhile True: # 读取视频流 grabbed, frame_lwpCV = camera.read() # 对帧进行预处理,先转灰度图,再进行高斯滤波。 # 用高斯滤波进行模糊处理,进行处理的原因:每个输入的视频都会因自然震动、光照变化或者摄像头本身等原因而产生噪声。对噪声进行平滑是为了避免在运动和跟踪时将其检测出来。 gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY) gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0) # 将第一帧设置为整个输入的背景 if background is None: background = gray_lwpCV continue # 对于每个从背景之后读取的帧都会计算其与北京之间的差异,并得到一个差分图(different map)。 # 还需要应用阈值来得到一幅黑白图像,并通过下面代码来膨胀(dilate)图像,从而对孔(hole)和缺陷(imperfection)进行归一化处理 diff = cv2.absdiff(background, gray_lwpCV) diff = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1] # 二值化阈值处理 diff = cv2.dilate(diff, es, iterations=2) # 形态学膨胀 # 显示矩形框 image, contours, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 该函数计算一幅图像中目标的轮廓 for c in contours: if cv2.contourArea(c) < 1500: # 对于矩形区域,只显示大于给定阈值的轮廓,所以一些微小的变化不会显示。对于光照不变和噪声低的摄像头可不设定轮廓最小尺寸的阈值 continue (x, y, w, h) = cv2.boundingRect(c) # 该函数计算矩形的边界框 cv2.rectangle(frame_lwpCV, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.imshow('contours', frame_lwpCV) cv2.imshow('dis', diff) key = cv2.waitKey(1) & 0xFF # 按'q'健退出循环 if key == ord('q'): break# When everything done, release the capturecamera.release()cv2.destroyAllWindows()
阅读全文
1 0
- 【Python+OpenCV】目标跟踪-实现基本的运动检测
- 《OpenCV 3计算机视觉:Python语言实现》学习笔记——目标跟踪中基本运动检测的思考
- opencv3-python目标跟踪—基本的运动检测
- OpenCV实现运动目标检测的函数
- OpenCV实现静止背景下运动目标的检测
- OpenCV实现静止背景下运动目标的检测
- OpenCV实现静止背景下运动目标的检测
- OpenCV运动目标检测
- opencv 运动目标检测
- 对视频序列的 运动检测 目标跟踪(运动目标的检测与跟踪)
- 基于OpenCV的运动目标检测跟踪系统在PC上的软件设计流程
- 基于opencV的动态背景下运动目标检测及跟踪(修改版)
- 运动目标检测与跟踪
- 运动目标检测和跟踪
- 【opencv】基于opencv实现运动目标检测之帧差法
- 用 Python 和 OpenCV 检测和跟踪运动对象
- 运动目标跟踪与检测的源代码(CAMSHIFT 算法)
- 运动目标跟踪与检测的源代码(CAMSHIFT 算法)
- Android------------ImageLoader加载图片
- RSA非对称加密算法Java实现
- Flask 错误解析
- sicp in python 资源
- 每次输入都会附带着删除后一格内容
- 【Python+OpenCV】目标跟踪-实现基本的运动检测
- HBuilder开发App教程
- 移动端webview canvas bug
- golang简单实现一个基于TLS/SSL的 TCP服务器和客户端
- Hive jdbc执行seelct 语句时报 return code 1 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
- 传统构造函数存在的问题以及解决方法(原型)
- 【数据结构】C语言实现顺序表(动态顺序表)
- MockNet -- Android网络接口开发与测试神器
- COM总结