目标跟踪---简单的实现运动物体检测（python）（1）

最新推荐文章于 2025-07-15 16:19:48 发布

嗜血的蚂蚁@

最新推荐文章于 2025-07-15 16:19:48 发布

阅读量1w

点赞数 7

CC 4.0 BY-SA版权

分类专栏：机器视觉 opencv

本文链接：https://blog.youkuaiyun.com/weixin_42054950/article/details/81981916

本文介绍了一种使用Python进行简单目标跟踪的方法，适用于运动物体检测。通过理解基本概念和技术，读者可以开始入门目标跟踪领域。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#基本的运动物体检测
#计算帧之间的差异，或考虑“背景”帧与其他帧之间的差异
import cv2
import numpy as np

##设置为默认摄像头
camera = cv2.VideoCapture(0)

#getStructuringElement是获取常用的结构元素的形状，MORPH_ELLIPSE是椭圆（包括圆形），后面定义的是大小
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(9,4))
kernel = np.ones((5,5),np.uint8)
background = None

while  True:
     ret, frame = camera.read()
     if background is None:#初始化背景，后面的图像均以此为背景,即第一张图
          background =  cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)###灰度化图像
          background =  cv2.GaussianBlur(background,(21,21),0)###进行模糊处理
          continue# 跳出这个循环
     gray_frame = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
     gray_frame = cv2.GaussianBlur(gray_frame,(21,21),0)
##打开系统默认的摄像头获得的视频图像，并将第一帧设置为整个输入的背景
#对于每个从该点以后读取的帧都会计算其与背景之间的差异
     diff = cv2.absdiff(background, gray_frame) #计算背景帧与当前帧的差值
     diff = cv2.threshold(diff,25,255,cv2.THRESH_BINARY)[1]#25为阈值，255为超过阈值被赋予的值
     diff = cv2.dilate(diff,es,iterations = 2)#进行图片膨胀，iterations为膨胀次数为2，
     #