今天的目标是用OpenCV实现对运动目标的检测，这里选用三帧帧差法。代码如下：

#include

#include

#include

#include

#include

double Threshold_index=0;

const int CONTOUR_MAX_AERA = 200;

void trackbar(int pos)

{

Threshold_index=(double)pos;

}

int main(int argc, char* argv[])

{

CvCapture *capture=cvCaptureFromCAM(0);

int n_cnt=0;

IplImage *img=NULL,

*img_gray1=NULL,

*img_gray2=NULL,

*img_gray3=NULL,

*img_diff1=NULL,

*img_diff2=NULL,

*img_diff_and=NULL,

*img_binary=NULL,

*img_dilate=NULL;

CvMemStorage *stor;

CvSeq *cont;

stor=cvCreateMemStorage(0);

cont=cvCreateSeq(CV_SEQ_ELTYPE_POINT,sizeof(CvSeq),sizeof(CvPoint),stor);

cvNamedWindow("test",CV_WINDOW_AUTOSIZE);

cvNamedWindow("dilate",CV_WINDOW_AUTOSIZE);

img=cvQueryFrame(capture);

img_gray1=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

img_gray2=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

img_gray3=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

img_diff1=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

img_diff2=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

img_diff_and=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

img_binary=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

img_dilate=cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);

int index=1;

cvCreateTrackbar("Threshold","test",&index,255,trackbar);

while(img=cvQueryFrame(capture))

{

if(n_cnt%3==0)

cvCvtColor(img,img_gray1,CV_BGR2GRAY);

else if(n_cnt%3==1)

cvCvtColor(img,img_gray2,CV_BGR2GRAY);

else if(n_cnt%3==2)

cvCvtColor(img,img_gray3,CV_BGR2GRAY);

char c=(char)cvWaitKey(25);

if(c==27)

break;

if(n_cnt>3)

{

cvAbsDiff(img_gray1,img_gray2,img_diff1);

cvAbsDiff(img_gray2,img_gray3,img_diff2);

cvAnd(img_diff1,img_diff2,img_diff_and);

cvThreshold(img_diff_and,img_binary,Threshold_index,255,CV_THRESH_BINARY);

cvShowImage("test",img_binary);

cvDilate(img_binary,img_dilate);

//cvShowImage("dilate",img_dilate);

cvFindContours(img_dilate,stor,&cont,sizeof(CvContour),CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE,cvPoint(0,0));

for(;cont;cont = cont->h_next)

{

CvRect r = ((CvContour*)cont)->rect;//子类转换为父类例子

if(r.height * r.width > CONTOUR_MAX_AERA) // 面积小的方形抛弃掉

{

cvRectangle(img, cvPoint(r.x,r.y),

cvPoint(r.x + r.width, r.y + r.height),

CV_RGB(255,0,0), 1, CV_AA,0);

}

}

cvShowImage("dilate",img);

}

if(c=='s')

{

cvSaveImage("d:/img.bmp",img);

cvSaveImage("d:/img_binary.bmp",img_dilate);

}

n_cnt++;

}

cvDestroyAllWindows();

cvReleaseCapture(&capture);

cvReleaseImage(&img_gray1);

cvReleaseImage(&img_gray2);

cvReleaseImage(&img_gray3);

cvReleaseImage(&img_diff1);

cvReleaseImage(&img_diff2);

cvReleaseImage(&img_diff_and);

cvReleaseImage(&img_binary);

cvReleaseImage(&img_dilate);

cvReleaseMemStorage(&stor);

return 0;

}

下图是检测的运动目标二值化图像以及在实际图像中叠加的矩形框效果图。

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我们。

时间： 2020-03-20