python和opencv構(gòu)建運(yùn)動(dòng)檢測器的實(shí)現(xiàn)

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