【OpenCV】87 视频分析—基于帧差法实现移动对象分析

87 视频分析—基于帧差法实现移动对象分析

代码

import numpy as np
import cv2 as cv

cap = cv.VideoCapture("../images/bike.avi")
ret, prevFrame = cap.read()
prevGray = cv.cvtColor(prevFrame, cv.COLOR_BGR2GRAY)
prevGray = cv.GaussianBlur(prevGray, (0, 0), 15)
k = cv.getStructuringElement(cv.MORPH_RECT, (7, 7))
while True:
    ret, frame = cap.read()
    if ret is False:
        break
    gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
    gray = cv.GaussianBlur(gray, (0, 0), 15)
    diff = cv.subtract(gray, prevGray)
    t, binary = cv.threshold(diff, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    binary = cv.morphologyEx(binary, cv.MORPH_OPEN, k)
    cv.imshow('input', frame)
    cv.imshow('result', binary)
    c = cv.waitKey(50)&0xff
    prevGray = np.copy(gray)
    if c == 27:
        break
cap.release()
cv.destroyAllWindows()

实验结果

解释

光流跟踪与背景消除都是基于建模方式的视频分析方法，其实这类方法最原始的一个例子就是对视频移动对象的帧差法跟踪，这个在视频分析与处理中也是一种很常见的手段，有时候会取得意想不到的好效果，帧差法进一步划分有可以分为

• 两帧差
• 三帧差
  假设有当前帧frame， 前一帧prev1，更前一帧prev2
  两帧差方法直接使用前一帧 减去当前帧 diff = frame – prev1
  三帧差方法计算如下：
  diff1 = prev2 – prev1
  diff2 = frame – prev1
  diff = diff1 & diff2
  帧差法在求取帧差之前一般会进行高斯模糊，用以减低干扰，通过得到的diff图像进行形态学操作，用以合并与候选区域，提升效率。帧差法的缺点有如下：

1. 高斯模糊是高耗时计算
2. 容易受到噪声与光线干扰

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。