OpenCV是一个强大的图像和视频处理库，在这篇文章中，我将创建一个运动热图，用于检测运动、以及物体或人的流动方向，在投影公共区域时可以对建筑师有所帮助。

简介

OpenCV，或（开源计算机视觉）是英特尔于1999年开发的一个库，主要提供计算机视觉和实时视频的相关操作，它是用C++编写的，同时也支持多种其它语言（包括Python）。

工作流程

这个程序是基于一种被称为高斯背景差法的技术，这项技术被广泛应用于用稳定的摄像机检测运动物体。

背景差法创建一个表示帧（图像的静态部分）背景的模板，对于每一帧，它将减去前一帧。

让我们对该算法的两个主要步骤进行一个简要概述：

• 背景初始化：在第一步中，通过冻结第一帧来计算背景的模型。

• 更新：在第二步中，下一帧将减去上一帧，如果两帧之间发生变化（移动），则这些帧的差异将反映出该变化，可以通过应用过滤器来进行提取差异信息。

以下是背景差法应用于从城市摄像机录制的短视频的示例：

代码

对于整个项目存储库，在此处可以获取。

• https://github.com/robertosannazzaro/motion-heatmap-opencv/blob/master/README.md

代码首先读取输入的视频文件并初始化所需的一些变量：

capture = cv2.VideoCapture('input.mp4')background_subtractor = cv2.bgsegm.createBackgroundSubtractorMOG()length = int(capture.get(cv2.CAP_PROP_FRAME_COUNT))

然后，for循环遍历视频帧：

for i in range(0, length):ret, frame = capture.read()# If first frame    if first_iteration_indicator == 1:first_frame = copy.deepcopy(frame)        height, width = frame.shape[:2]        accum_image = np.zeros((height, width), np.uint8)

第一个if块检查该帧是否为视频的第一帧，这样做是为了初始化背景差法的背景，然后accum_image使用与该帧大小相对应的大小来初始化该数组。

filter = background_subtractor.apply(frame)  # remove the background
threshold = 2maxValue = 2ret, th1 = cv2.threshold(filter, threshold, maxValue, cv2.THRESH_BINARY)
accum_image = cv2.add(accum_image, th1)
color_image_video = cv2.applyColorMap(accum_image, cv2.COLORMAP_HOT)

为了消除例如风，小鸟飞行等少量运动，将阈值与maxValue一起应用到遮罩上。

然后将掩码的结果添加到accum_image数组中，对每个帧执行此操作，结果由用于存储视频中发生的每个运动的accum_image数组组成。

此外，在最后，当已经对每个帧执行了先前描述的操作时，颜色映射被应用于遮罩并且遮罩与当前帧合并。

更进一步，可以制作一个显示热图逐帧衰减的视频。为了实现这一点，将导出每个帧，然后再次使用cv2，通过合并所有帧来生成视频：

video = cv2.VideoWriter('output.avi', fourcc, 30.0, (width, height))for image in images:    video.write(cv2.imread(os.path.join(image_folder, image)))
cv2.destroyAllWindows()

最后结果

原文链接：https://towardsdatascience.com/build-a-motion-heatmap-videousing-opencv-with-python-fd806e8a2340

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文（无广告）。

↓扫描二维码添加小编↓