Opencv之二帧差法运动目标检测与轮廓提取

Opencv学习之——二帧差法运动目标检测与轮廓提取
这是我的第一篇CSDN博文。
代码是从网上摘抄学习的，加了好多注释，感觉就像边看书边做笔记一样，给人以满足的享受。Let’s do this!

#include "highgui.h"#include "cv.h"#include "stdio.h"#include <time.h>#include <math.h>#include <string.h>const double MHI_DURATION=0.1;//运动跟踪的最大持续时间0.1sconst double MAX_TIME_DELTA=0.5//最大时间增量0.5sconst double MIN_TIME_DELTA=0.05;//最小时间增量0.05sconst int N=3;const int CONTOUR_MAX_AERA=16;/*做帧差时要用到的图像缓冲*/IplImage **buf=0;int last=0;/*临时图像*/IplImage* mhi=0;//运动历史图像mhiCvConnectedComp* cur_comp,mincomp;/*typedef struct CvConnectedComp   {  double area;   //区域的面积  CvScalar value;  //区域颜色的平均值  CvRect rect;  //是一个区域的外接矩形  CvSeq * contour;   //指向另一个序列的指针  };*//*定义一个内存存储器*/CvMemStorage* storage;/*二维坐标系下的点，类型为整型，通常以0点为原点，有x、y坐标*/CvPoint pt[4];/*当前画面索引*/int nCurFrameIndex=0;/*定义用来更新运动历史图像的函数*//*img-输入视频帧；dst-检测结果*/void update(IplImage *img,IplImage *dst,int diff_threshold){    /*获得当前时间，单位是秒*/    double timestamp=clock()/100;    /*获得输入视频帧的尺寸，用存到size中*/    CvSize size=cvSize(img->width,img->height);    /*做帧差要用到的中间变量*/    int i,idx1,idx2;    /*当前帧与上一帧做帧差之后，得到的图像数据存储在nimg中*/    IplImage* nimg;    /*这步暂时没看懂- -！*/    IplImage* pyr=cvCreateImage(cvSize((size.width&-2)/2,(size.height&-2)/2),8,1);    /*定义一个内存存储器*/    CvMemStorage* stor;    /*创建一个可增长的序列seq*/    CvSeq* seq;    /*先进行数据的初始化*/    /*如果历史图像为空，或者历史图像尺寸与输入的当前帧尺寸不吻合（这意味着打开了新的视频？）*/    if(!mhi||mhi->width!=size.width||mhi->height!=size.height)    {        /*如果buf还未初始化，则为buf分配内存*/        if(buf==0)        {            /*N=3*/            buf=(IplImage**)malloc(N*sizeof(buf[0]));            /*将指针s所指向的某一块内存中的每个字节的内容全部设置为ch指定的ASCII值,块的大小由第三个参数指定:memset(void *s,char ch,unsigned n)。此处作用相当于将buf内的元素全部置零*/            memset(buf,0,N*sizeof(buf[0]));        }        /*若buf已经初始化了，也将buf置零*/        for(i=0;i<N;i++)        {           cvReleaseImage(&buf[i]);           buf[i]=cvCreateImage(size,IPL_DEPTH_8U,1);           cvZero(buf[i]);        }        /*重新初始化运动历史图像mhi*/        cvReleaseImage(&mhi);        mhi=cvCreateImage(size,IPL_DEPTH_32F,1);        cvZero(mhi);    }    /*将当前要处理的帧转化为灰度图，放到buf的最后一帧*/    cvCvtColor(img,buf[last],CV_BGR2GRAY);    /*这三部是为了做帧差，让buf[idx1]永远保存的是上一帧，buf[idx2]保存当前帧*/    idx1=last;    idx2=(last+1)%N;    last=idx2;    /*做帧差,函数 cvAbsDiff 计算两个数组差的绝对值*/    nimg=buf[idx2];    cvAbsDiff(buf[idx1],buf[idx2],nimg);    /*帧差之后，将得到的图像二值化*/    cvThreshold(nimg,nimg,50,255,CV_THRESH_BINARY);    /*去掉超时的影像以更新运动历史图像*/    cvUpdateMotionHistory(nimg,mhi,timestamp,MHI_DURATION);    cvConvert(mhi,dst);    /*中值滤波，消除小的噪声    函数cvPyrDown使用Gaussian金字塔分解对输入图像向下采样,去除噪声，图像是原图像的四分之一    函数cvDialate做膨胀操作，去除目标的不连续空洞    函数cvPyrUp使用Gaussian金字塔分解对输入图像向上采样，恢复图像，图象是原图像的四倍*/    cvSmooth(dst,dst,CV_MEDIAN,3,0,0,0);    cvPyrDown(dst,pyr,CV_GAUSSIAN_5x5);    cvDilate(pyr,pyr,0,1);    cvPyrUp(pyr,dst,CV_GAUSSIAN_5x5);    /*创建轮廓*/    stor=cvCreateMemStorage(0);    seq=cvCreateSeq(CV_SEQ_ELTYPE_POINT,//从预定义的序列类型中选择一合适的类型    sizeof(CvSeq),//此参数表示序列头部的大小；必须大于或等于sizeof(CvSeq)    /*第三个参数是元素的大小，以字节计。这个大小必须与序列类型（由seq_flags指定）相一致,例如，对于一个点的序列，元素类型 CV_SEQ_ELTYPE_POINT应当被指定，参数elem_size必须等同于sizeof(CvPoint)。*/    sizeof(CvPoint),    stor);//指向前面定义的内存存储器的指针    /*找到所有轮廓*/    cvFindContours(dst,//源二值图像    stor,//返回轮廓的容器    &seq,//输出参数，第一个外接轮廓的地址。    sizeof(CvContour),    CV_RETR_EXTERNAL,//mode:EXTERNAL——只查找最外的轮廓    CV_CHAIN_APPROX_NONE,//轮廓近似的方法，具体见百度百科- -    cvPoint(0,0));    /*直接用CONTOUR中的矩形来画轮廓*/    /*遍历seq序列*/    for(;seq;seq=seq->h_next)    {        /*直接使用轮廓的矩形，调取rect会得到与x、y轴平行的矩形，并非最小矩形*/        CvRect r=((CvContour*)cont)->rect;//将序列类型转换成轮廓类型的指针？        /*矩形的面积小于轮廓面积的话，舍弃;矩形面积也不能过小*/        if((r.height*r.width>CONTOUR_MAX_AERA)&&(r.height*r.width>2560))        {            /*cvRectangle函数通过对角线两个顶点，绘制矩形*/            cvRectangle(img,//图像            cvPoint(r.x,r.y),//一个顶点            cvPoint(r.x + r.width, r.y + r.height),//另一个顶点            CV_RGB(255,0,0),//线条颜色            1,//线条粗细程度            CV_AA,//线条类型            0); //坐标点的小数点位数        }    }    /*函数调用完毕，释放内存*/    cvReleaseMemStorage(&stor);    cvReleaseImage(&pyr);}/处理视频，主函数/int main(int argc,char**argv){    IplImage *motion=0;    CvCapture *capture=0;    /*读取视频帧*/    capture=cvCaptureFromFile("D:\\视频\\01.mp4");    if(capture)    {        cvNamedWindow("Motion",1);        for(;;)        {            IplImage *image;            /*使用cvGrabFrame函数抓取帧*/            if(!cvGrabFrame(capture))                break;            /*使用cvRetrieveFrame函数取回被cvGrabFrame抓取的帧*/            image=cvRetrieveFrame(capture);            if(image)            {                /*如果motion并未初始化，说明这是第一帧。我们将motion初始化*/                if(!motion)                {                   motion=cvCreateImage(cvSize(image->width,image->height),8,1);                   cvZero(motion);                   /*需要保证内存存储的顺序和取出的帧相同*/                   motion->origin=image->origin;                }            }            /*若取出了新的一帧，而且motion不为空，则更新画面*/            update(image,motion,10);            /*显示处理过的图像*/            cvShowImage("Motion",image);            /*10ms内检测到用户按了任意键，均退出*/            if(cvWaitKey(10)>=0)                break;        }        /*当上面这个for循环执行结束时，说明视频已经处理完成或者用户停止处理视频了*/        cvReleaseCapture(&capture);        cvDestroyWindow("Motion");    }    return 0;}

经过测试，这个程序能够成功检测并用红色方框圈出移动的车辆和行人。
待改进的地方有：①视频处理速度慢，导致视频处理速度只有视频正常播放速度的二分之一。
②对于行人的检测，画出的红色方框不稳定，不是将整个行人框出，经常会分别框出一个人的几个不同部位orz。
③当两个物体稍有重叠时，会将重叠物体当作一个物体圈出。