匿名用户

1级

2018-04-17 回答

考虑的是“背景帧”与其它帧之间的差异

这种方法检测结果还是挺不错的，但是需要提前设置背景帧，如果是在室外，光线的变化就会引起误检测，还是很有局限性的。

import cv2import numpy as np

camera = cv2.VideoCapture(0) # 参数0表示第一个摄像头# 判断视频是否打开if (camera.isOpened()):

print('Open')else:

print('摄像头未打开')# 测试用,查看视频sizesize = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),

int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))

print('size:'+repr(size))

es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 4))

kernel = np.ones((5, 5), np.uint8)

background = Nonewhile True:    # 读取视频流

grabbed, frame_lwpCV = camera.read()    # 对帧进行预处理，先转灰度图，再进行高斯滤波。

# 用高斯滤波进行模糊处理，进行处理的原因：每个输入的视频都会因自然震动、光照变化或者摄像头本身等原因而产生噪声。对噪声进行平滑是为了避免在运动和跟踪时将其检测出来。

gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY)

gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)    # 将第一帧设置为整个输入的背景

if background is None:

background = gray_lwpCV        continue

# 对于每个从背景之后读取的帧都会计算其与北京之间的差异，并得到一个差分图(different map)。

# 还需要应用阈值来得到一幅黑白图像，并通过下面代码来膨胀(dilate)图像，从而对孔(hole)和缺陷(imperfection)进行归一化处理

diff = cv2.absdiff(background, gray_lwpCV)

diff = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1] # 二值化阈值处理

diff = cv2.dilate(diff, es, iterations=2) # 形态学膨胀

# 显示矩形框

image, contours, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 该函数计算一幅图像中目标的轮廓

for c in contours:        if cv2.contourArea(c) < 1500: # 对于矩形区域，只显示大于给定阈值的轮廓，所以一些微小的变化不会显示。对于光照不变和噪声低的摄像头可不设定轮廓最小尺寸的阈值

continue

(x, y, w, h) = cv2.boundingRect(c) # 该函数计算矩形的边界框

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

cv2.imshow('contours', frame_lwpCV)

cv2.imshow('dis', diff)

key = cv2.waitKey(1) & 0xFF

# 按'q'健退出循环

if key == ord('q'):        break# When everything done, release the capturecamera.release()

cv2.destroyAllWindows()