照著一個(gè)示例跑,目標(biāo)本是捕獲進(jìn)入攝像頭的第一幀然后會(huì)一直追蹤這一個(gè)物體,如果出現(xiàn)的話會(huì)框出來,但是不知道什么原因,第一個(gè)框出來之后移動(dòng)到別的地方還是會(huì)框別的東西,然后攝像頭打開幾秒就自動(dòng)停止了還報(bào)錯(cuò)
import pandas
firstframe = None
status = [None,None]
df = pandas.DataFrame(columns=["start","end"])
cap = cv2.VideoCapture(1)
while True:
check,colorframe = cap.read()
status = 0
gray = cv2.cvtColor(colorframe,cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray,(21,21),0) #高斯模糊去除噪聲
if firstframe is None:
firstframe = gray
continue #捕獲第一個(gè)灰度幀 得到第一幀后不進(jìn)行后續(xù)處理
delta_frame = cv2.absdiff(firstframe,gray)
# ,我們需要找出第一幀和當(dāng)前幀之間的區(qū)別。因此,我們使用absdiff函數(shù)并將得到的結(jié)果稱為delta幀。對于我們的用例來說,僅僅找到一個(gè)差異是不夠的,所以我們需要定義一個(gè)像素閾值,它可以被視為真實(shí)的對象。我們可以選擇30像素作為標(biāo)準(zhǔn)閾值,并將標(biāo)準(zhǔn)閾值的顏色定義為白色(顏色代碼:255). 二元閾值函數(shù)THRESH_BINARY返回一個(gè)元組值,其中只有第二項(xiàng)([0]是第一項(xiàng),[1]是第二項(xiàng))包含生成的閾值幀。二元閾值函數(shù)用于處理含有2個(gè)離散值的非連續(xù)函數(shù):如0或1。如果攝影機(jī)前面沒有對象,我們將當(dāng)前幀的狀態(tài)視為0;如果攝影機(jī)前面存在對象,則將當(dāng)前幀的狀態(tài)視為1。
thresh_frame = cv2.threshold(delta_frame,30,255,cv2.THRESH_BINARY)[1]
thresh_frame = cv2.dilate(thresh_frame,None,iterations=3)
# 在膨脹函數(shù)Dilate中,我們可以通過設(shè)置迭代次數(shù)來設(shè)置平滑度。迭代次數(shù)越多,平滑度越高,處理時(shí)間也就越長。因此,建議保持標(biāo)準(zhǔn)化設(shè)置為3。膨脹函數(shù)中的“None”參數(shù)表示我們的應(yīng)用中不需要元素結(jié)構(gòu)。
#聲明元組的語法 (cnts,_)
(cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for contours in cnts :
if cv2.contourArea(contours) 10000:
continue
if cv2.contourArea(contours) 20000:
status = 1
(x,y,w,h) = cv2.boundingRect(contours)
cv2.rectangle(colorframe,(x,y),(x+w,y+h),(0,0,255),3)
cv2.imshow("cc",colorframe)
key = cv2.waitKey(1)
if key == ord('q'):
break
到此這篇關(guān)于python和opencv構(gòu)建運(yùn)動(dòng)檢測器的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)python opencv構(gòu)建運(yùn)動(dòng)檢測器內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!