在上一篇文章中实现了树莓派下对摄像头的调用，有兴趣的可以看一下：python+opencv实现摄像头调用的方法

接下来，我们将使用python+opencv实现对移动物体的检测

一、环境变量的配置

我们可以参照上一篇文章对我们的树莓派进行环境的配置

当我们将cv2的库安装之后，就可以实现对摄像头的操作

二、摄像头的连接

在此实验中，我使用的为usb摄像头

当我们连接摄像头之后，终端输入

ls /dev/video*

如果终端提示如下：

则表示摄像头连接成功

三、编码实现对移动物体的检测

使用python编写程序，实现对移动物体的检测，代码如下

#encoding=utf-8

import RPi.GPIO as GPIO

import cv2

import time

import os

GPIO.setmode(GPIO.BCM)

GPIO.setup(18,GPIO.OUT)

camera = cv2.VideoCapture(0)

if camera is None:

print('please connect the camera')

exit()

fps = 30

pre_frame = None

led = False

while True:

start = time.time()

res, cur_frame = camera.read()

if res != True:

break

end = time.time()

seconds = end - start

if seconds < 1.0/fps:

time.sleep(1.0/fps - seconds)

cv2.namedWindow('img',0);

#cv2.imshow('img', cur_frame)

key = cv2.waitKey(30) & 0xff

if key == 27:

break

gray_img = cv2.cvtColor(cur_frame, cv2.COLOR_BGR2GRAY)

gray_img = cv2.resize(gray_img, (500, 500))

gray_img = cv2.GaussianBlur(gray_img, (21, 21), 0)

if pre_frame is None:

pre_frame = gray_img

else:

img_delta = cv2.absdiff(pre_frame, gray_img)

thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]

thresh = cv2.dilate(thresh, None, iterations=2)

contours, hierarchy = cv2.findContours(thresh.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)

for c in contours:

if cv2.contourArea(c) < 1000:

continue

else:

(x,y,w,h) = cv2.boundingRect(c)

cv2.rectangle(cur_frame,(x,y),(x+w,y+h),(0,255,0),2)

print("something is moving!!!")

led = True

if led == True:

for i in range(30):

GPIO.output(18,GPIO.HIGH)

time.sleep(0.03)

GPIO.output(18,GPIO.LOW)

time.sleep(0.03)

break

cv2.imshow('img', cur_frame)

pre_frame = gray_img

camera.release()

cv2.destroyAllWindows()

我的树莓派终端不能显示中文，因此会出现乱码

Ubuntu下的运行结果如下

树莓派下执行结果如下：

此外，在检测物体移动的同时，添加了led闪烁以及框选移动部分的功能，led安装方法请移步之前的博客

文章参考链接：OpenCV检测场景内是否有移动物体

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:python+opencv+caffe+摄像头做目标检测的实例代码

Python OpenCV利用笔记本摄像头实现人脸检测

Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例