【opencv学习】【运动物体检测】

最新推荐文章于 2024-05-25 09:57:59 发布

原创

最新推荐文章于 2024-05-25 09:57:59 发布 · 8.6k 阅读

66 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #人工智能

本文介绍了三种运动物体检测方法：帧差法、高斯混合模型（GMM）和KNN。帧差法通过比较连续帧的差异来检测运动，但存在噪声和空洞问题。GMM通过学习和训练背景模型，对新像素进行概率判断，适用于动态背景。KNN则依据像素点的历史信息统计判断，适合处理复杂场景。文中提供了相应的Python代码示例和效果展示。

今天学习运动物体检测
一：帧差法
捕获摄像头的运动的手

import cv2
import numpy as np

# 如果我们想捕获一些运动的物体，每一帧图像中，不动的部分称之为背景，运动的物体称之为前景
# 假如我们的视频捕捉窗口是不动的，比如摄像头放着不动，保证了背景是基本不发生变化的，但是我们怎么捕获前景和背景啊？
# 第一部分: 帧差法
# 通过前后两帧的差值来捕捉运动的物体（一般用时间t的帧减去时间t-1的帧），超过某个阈值，则判断是前景，否则是背景
# 这个方法很简单，但是会带来巨大的噪声（微微震动，零星点）和空洞（运动物体非边缘部分也被判断成了背景）

cap = cv2.VideoCapture(0)  # 其参数0表示第一个摄像头，一般就是笔记本的内建摄像头。
# cap = cv2.VideoCapture('images/kk 2022-01-23 18-21-21.mp4')  # 来自vedio视频的

# 获取第一帧
ret, frame = cap.read()
frame_prev = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 将彩色图像转成灰度图

kernel1 = np.ones((5, 5), np.uint8)  # 为了开运算使用
while (1):
    # 获取每一帧
    ret, frame = cap.read()
    if frame is None:
        print("camera is over...")
        break

    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 将彩色图像转成灰度图
    diff = frame - frame_prev  # 肯定有一些是负数，全是灰度值的相减

    diff_abs = cv2.convertScaleAbs(diff)  # 取绝对值，保留我们的差异值

    _, thresh1 = cv2.threshold(diff_abs, 100, 255, cv2.THRESH_BINARY)  # 二值化处理

    MORPH_OPEN_1 = cv2.morphologyEx(thresh1, cv2.MORPH_OPEN, kernel1)  # 开运算，去除噪声和毛刺
    # erosion_it2r_1 = cv2.dilate(MORPH_OPEN_1, kernel1, iterations=2)  # 膨胀操作

    # cv2.imshow("capture", thresh1)  # 展示该图像
    cv2.imshow("capture", MORPH_OPEN_1)  # 展示该图像

    frame_prev = frame  # 更新前一帧

    # 进行等待或者退出判断
    if cv2.waitKey<