标签：gray python 检测 物体 cv2 delay delta frame first

简介

本篇博文将实现基于python的运动物体检测。

依赖库

opencv-python

基本动作检测

在计算机视觉中，我们把运动看作是环境的变化。为了计算转换，我们必须有一个背景图像来比较。所以，我们在程序的开头保存第一个图像。

# Converting the image to GrayScale
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray,(21,21),0)
# Saving the First Frame
if first_frame is None:
    first_frame = gray
    continue

然后，我们将后续帧与保存的第一帧进行比较，以观察差异。计算完差异后，我们可以应用阈值将其转换为黑白图像。

#Calculates difference to detect motion
delta_frame = cv2.absdiff(first_frame, gray)
#Applies Threshold and converts it to black & white image
thresh_delta = cv2.threshold(delta_frame, 30, 255, cv2.THRESH_BINARY)[1]
thresh_delta = cv2.dilate(thresh_delta, None, iterations=0)
#finding contours on the white portion(made by the threshold)
cnts,_ = cv2.findContours(thresh_delta.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

最后一个命令在该黑白图像中查找轮廓，并给出用于创建边界框的坐标，如上面的视频所示。使用运动检测的好处：

• 它不会保存无用的空闲镜头。因此，减少了其他算法的工作量，因为不会保存空闲帧进行处理。

• 它需要较少的计算，并且适合实时实施。

加强版

定期更新参照帧

给定的因素导致轮廓检测不理想，运动检测的幼稚方法会在执行开始时为所有比较保存第一帧。不好有几个原因：

• 白天的照明条件可能会改变。

• 天气变化。

• 执行时相机被遮挡。

解决方案：在没有运动的情况下，可以通过定期定期更新保存的帧来轻松解决此问题。

# Number of idle frames to pass before changing the saved frame 
# for further comparisions
FRAMES_TO_PERSIST = 1000

然后将其放在while循环中：

#increment delay counter for every idle frame
delay_counter += 1
#Update the saved first frame
if delay_counter > FRAMES_TO_PERSIST:
    delay_counter = 0
    first_frame = next_frame

过滤微小物体

当检测到运动时，将delay_counter设置为零，微小的物体（例如蜜蜂和昆虫）和通常不必要的轻微不必要的运动被存储起来。解决方案：如片段所示，我们应该在该区域设置一个阈值。

# Minimum boxed area(in pixels) for a detected motion to count as actual motion
# Use to filter out noise or small objects
MIN_SIZE_FOR_MOVEMENT = 2000

然后在while循环中放置一个if语句：

#Checks if the area is big enough to be considered as motion.
if cv2.contourArea(c) > MIN_SIZE_FOR_MOVEMENT:
    #Your code

完整代码

import cv2
import numpy as np
import time

class VideoReader(object):
    def __init__(self, file_name):
        self.file_name = file_name
        try:  # OpenCV needs int to read from webcam
            self.file_name = int(file_name)
        except ValueError:
            pass

    def __iter__(self):
        self.cap = cv2.VideoCapture(self.file_name)
        if not self.cap.isOpened():
            raise IOError('Video {} cannot be opened'.format(self.file_name))
        return self

    def __next__(self):
        was_read, img = self.cap.read()
        if not was_read:
            raise StopIteration
        return img


if __name__ == '__main__':
    frame_provider = VideoReader(0)
    FRAMES_TO_PERSIST = 50
    MIN_SIZE_FOR_MOVEMENT = 200

    delay_counter = 0
    first_frame = None
    delay = 1
    for frame in frame_provider:
        start = time.time()
        # Converting the image to GrayScale
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        gray = cv2.GaussianBlur(gray, (21, 21), 0)
        # Saving the First Frame
        if first_frame is None:
            first_frame = gray
            continue

        # Calculates difference to detect motion
        delta_frame = cv2.absdiff(first_frame, gray)
        # Applies Threshold and converts it to black & white image
        thresh_delta = cv2.threshold(delta_frame, 30, 255, cv2.THRESH_BINARY)[1]
        thresh_delta = cv2.dilate(thresh_delta, None, iterations=0)
        # finding contours on the white portion(made by the threshold)
        cnts, _ = cv2.findContours(thresh_delta.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

        if np.sum(np.where(thresh_delta > 0, 1, 0)) < MIN_SIZE_FOR_MOVEMENT:
            thresh_delta = np.zeros_like(gray)

        end = time.time()
        seconds = end - start
        # Calculate frames per second
        print(f"seconds: {seconds}")
        fps = 1 / seconds
        imgVis = np.dstack([thresh_delta for _ in range(3)])
        cv2.putText(imgVis, f"FPS: {int(fps)}", (50, 50),
                    cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255))
        cv2.imshow('Lightweight Human Pose Estimation Python Demo', imgVis)
        key = cv2.waitKey(delay)
        if key == 27:  # esc
            continue
        elif key == 112:  # 'p'
            if delay == 1:
                delay = 0
            else:
                delay = 1

        # increment delay counter for every idle frame
        delay_counter += 1
        # Update the saved first frame
        if delay_counter > FRAMES_TO_PERSIST:
            delay_counter = 0
            first_frame = gray

标签：gray,python,检测,物体,cv2,delay,delta,frame,first
来源： https://blog.csdn.net/weixin_42990464/article/details/122378074

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。