基于OpenCV实战:动态物体检测
点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
最近,闭路电视安全系统运行着多种算法来确保安全,例如面部识别,物体检测,盗窃检测,火灾警报等。我们在运动检测的基础上实现了许多算法,因为在空闲帧上运行所有这些进程没有任何意义。在本文中,我们将讨论实现基于运动检测的视频保存。
安装依赖库
OpenCV:pip install opencv-python
基本动作检测
在这里,我们将讨论代码和对如何在后台工作的基本理解。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 = graycontinue
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。
阻碍与解决方案
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 = 0first_frame = next_frame
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
各种平台上的基准:
所有这些都是针对同一视频(30-fps,1280x720)计算的。
Raspberry Pi 2:
规格
1.5 GHz处理器
1 GB内存
没有GPU
FPS:每秒8.08帧
Jetson Nano:
规格
四核ARM处理器1.43Ghz
2 Gb内存
GPU:128核心Nvidia Maxwell
FPS:每秒33帧
个人电脑 :
规格
i7第八代处理器
16 GB内存
GTX 1060 6 GB GPU
FPS:每秒37帧
潜在应用:
智能铃:
如果有人站在您家门口,它将自动触发铃声,并向您发送提示。
潜在威胁警报:
如果有人站在您家门前的时间长于正常时间,它将提醒您。
结论
在本文中,我们实现了一个非常基本但重要的算法,可用于有效运行所有其他算法。可以对该运动检测算法进行更多修改,以使其更加健壮。
下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。
下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~
基于OpenCV实战:动态物体检测相关推荐
- 基于OpenCV实战:车牌检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 拥有思维导图或流程将引导我们朝着探索和寻找实现目标的正确道路的方向 ...
- JAVA物体运动检测_基于OpenCv的运动物体检测算法
#include #include #include #include int main( int argc, char** argv ) //声明IplImage指针 IplImage* pFram ...
- 基于opencV的动态背景下运动目标检测及跟踪(修改版)
基于openCV的动态背景下的运动目标检测 from: http://www.mianfeiwendang.com/doc/89c6692a222a84b2ced0d502/1 摘要:介绍在动态背景下 ...
- 激光雷达:最新趋势之基于RangeView的3D物体检测算法
作者丨巫婆塔里的工程师@知乎 来源丨https://zhuanlan.zhihu.com/p/406674156 编辑丨3D视觉工坊 之前在LiDAR点云物体检测算法的综述中提到了四个发展阶段.在最开 ...
- 基于Opencv的车距检测系统(源码&教程)
1.研究背景 对本车前方车辆的识别及距离检测是计算机视觉技术在智能网联汽车中的一个重要内容.要想在错综繁杂的交通环境中实现无人驾驶,对行车环境中其他车辆信息的获取是十分重要的.因此,对本车前方车辆的识 ...
- Python基于OpenCV的异常行为检测系统[源码&部署教程]
1.项目背景 智能视频监控(Intelligent Video Surveillance , IVS)[1.2·3.4是计算机视觉技术5l在安防领域的应用,实现了由"被动监控"到& ...
- 基于OpenCV监控老鼠蟑螂检测系统[完整源码&部署教程]
1.视频演示: [项目分享]Python基于OpenCV监控老鼠蟑螂检测系统[完整源码&部署教程]_哔哩哔哩_bilibili 2.图片演示: 3.算法原理: 该博客提出的移动侦测即是根据视频 ...
- Python基于OpenCV监控老鼠蟑螂检测系统[完整源码&部署教程]
1.视频演示: [项目分享]Python基于OpenCV监控老鼠蟑螂检测系统[完整源码&部署教程]_哔哩哔哩_bilibili 2.图片演示: 3.明厨亮灶: 餐饮企业的厨房卫生状况一直饱受消 ...
- Python基于OpenCV的实时疲劳检测[源码&演示视频&部署教程]
1.图片演示 2.视频演示 [项目分享]Python基于OpenCV的实时疲劳检测[源码&演示视频&部署教程]_哔哩哔哩_bilibili 3.检测方法 1)方法 与用于计算眨眼的传统 ...
- 运用特征脸方法的基于Opencv的猫脸检测实现
本文禁止转载.抄袭,请尊重作者权利. 使用特征脸方法的基于Opencv的猫脸检测实现 摘要 目前,在计算机视觉和模式识别领域,脸识别技术是一个很活跃的课题,人脸识别的方法已经十分丰富,而对于日常生活中 ...
最新文章
- python网站设计开题报告_XX网站设计开题报告范文
- Machine Learning No.7: Support Vector Machines
- linux安装定制添加输入,Arch Linux--定制自己的Linux操作系統(乙-國際化桌面安裝篇)...
- 技巧实例:如何在.NET中访问MySQL数据库
- linux监听apache代码,linux系统使用python监控apache服务器进程脚本分享
- Spring 4 Security MVC登录注销示例
- java中卫语句详解
- 计算机读法综艺中文翻译英语,汉语综艺节目英译字幕组现状初探
- python3爬取微博评论教程_python3爬取微博评论并存为xlsx
- vhdl8三种方式实现38译码器
- 软件测试通过标准是什么?
- 前端周刊第56期:应接不暇的技术大会
- mysql中like与rlike_Hive中rlike,like,notlike区别及使用
- [转]阿里云的这群疯子
- OpenCV实现目标跟踪
- C++笔记8:C++提高编程2:STL---标准模板库
- ArcMap进行数据转换
- 无穷小微积分,入门三道坎儿
- 组态王如何让计算机关机,实用组态王命令语言
- 员工和老板的差距不只是能力,还有战略思维
热门文章
- 航天器轨迹预测——根据速度和位置确定初轨
- Android 点击按钮出现弹窗
- 微信JSSDK 音频下载speex转码问题
- android 快速开发,GitHub - limedroid/XDroid: 轻量级Android快速开发框架
- Tampermonkey油猴插件——安装与使用教程
- 分享超高清多机位现场直播间搭建方案
- 前端cookie 放到请求头_HTTP请求头:cookie cache
- 计算机主机装机注意,自己组装电脑要注意什么?DIY老司机教你装机注意事项 (全文)...
- xp系统进不去2008服务器共享,xp系统设置访问Server 2008R2的共享不输入密码的方法...
- 基于MATLAB的列车防护曲线组合步长算法分析与仿真验证