python+openCV利用攝像頭實現(xiàn)人員活動檢測

更新時間：2019年06月22日 10:36:48 作者：宇澤影帝

這篇文章主要為大家詳細介紹了python+openCV利用攝像頭實現(xiàn)人員活動檢測，具有一定的參考價值，感興趣的小伙伴們可以參考一下

本文實例為大家分享了python+openCV利用攝像頭實現(xiàn)人員活動檢測的具體代碼，供大家參考，具體內(nèi)容如下

1.前言

最近在做個機器人比賽，其中一項要求是讓機器人實現(xiàn)對是否有人員活動的檢測，所以就先拿PC端寫一下，準(zhǔn)備移植到機器人的樹莓派。

2.工具

工具還是簡單的python+視覺模塊openCV，代碼量也比較少。很簡單就可以實現(xiàn)

3.人員檢測的原理

從圖書館借了一本《特征提取與圖像處理（第二版）》，是Mark S.Nixon和Alberto S.Aguado寫的，其中講了跟多關(guān)于檢測圖像運動的方法，我們選取了最簡單的一種。

說的很高大上，簡單的說一下原理。假設(shè)有兩幀不同時間采集的圖像，檢測運動的最簡單方法就是計算圖像差值。也就是說，通過把亮度值相減可以得到變化或者運動；如果沒有發(fā)生運動，相減的結(jié)果就是0；但如果圖像中的目標(biāo)作出的運動，他們的圖像像素亮度值就會發(fā)生變化，相減結(jié)果是一個非0的值

4.開始

（1）.我們開啟攝像頭模塊還是利用openCV，如下代碼即可。我們使用的是筆記本電腦自帶的攝像頭（樹莓派想直接用一個USB攝像頭插上而不是用CSI攝像頭，這樣直接移植代碼比較方便）

camera = cv2.VideoCapture(0)

（2）.查看一下camera的尺寸，用以下兩個函數(shù)

width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))

（3）.檢測輪廓還是需要用灰度圖像，不明白的可以看看我以前的文章

gray_pic = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

上一步驟即把圖像灰度化

（4）.重點說一下這個FPS的設(shè)置，我用以下寫法，也是參考了一下別人的代碼哈=、=

start = time.time()
"""
xxxxx中間一部分代碼省略
"""
 seconds = end - start
 if seconds < 1.0 / fps:
 time.sleep(1.0 / fps - seconds）

（5）.進行一下高斯濾波模糊處理

這里說一下高斯濾波是一種線性平滑濾波，通俗的講，高斯濾波就是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。我理解的就是一個卷積的過程。

聽著很麻煩但實現(xiàn)很簡單

gray_pic = cv2.GaussianBlur(gray_pic, (21, 21), 0)

注意（21,21）中必須是奇數(shù)，否則會出錯，想具體了解的話有時間單獨寫一篇關(guān)于高斯的文章

（6）.計算兩圖片的差

img_delta = cv2.absdiff(pre_frame, gray_pic)

（7）.濾波，這個代碼的意思是把灰度圖中33以下的歸為0,33以上的點歸為255

thresh = cv2.threshold(img_delta, 30, 255, cv2.THRESH_BINARY)[1]

（8）.利用形態(tài)學(xué)的腐蝕與膨脹（上篇文章講過了，有時間詳細說一下，網(wǎng)上資料也很多）

thresh = cv2.dilate(thresh, None, iterations=2)

（9）.findContours檢測物體的輪廓

image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

（10）.在while（1）循環(huán)中結(jié)束攝像頭的調(diào)用（按Q結(jié)束）

大家都在用這種方法，直接Copy就好啦

if cv2.waitKey(1) & 0xFF == ord('q'):
 break

5.附上源代碼

import cv2
import time
# 定義攝像頭對象，其參數(shù)0表示第一個攝像頭
camera = cv2.VideoCapture(0)
# 測試用,查看視頻size
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
size = width,height
#打印一下分辨率
print(repr(size))
#設(shè)置一下幀數(shù)和前背景
fps = 5
pre_frame = None
 
while (1):
 start = time.time()
 # 讀取視頻流
 ret, frame = camera.read()
 # 轉(zhuǎn)灰度圖
 gray_pic = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
 
 if not ret:
 print("打開攝像頭失敗")
 break
 end = time.time()
 
 cv2.imshow("capture", frame)
 
 # 運動檢測部分,看看是不是5FPS
 seconds = end - start
 if seconds < 1.0 / fps:
 time.sleep(1.0 / fps - seconds)
 gray_pic = cv2.resize(gray_pic, (480, 480))
 # 用高斯濾波進行模糊處理
 gray_pic = cv2.GaussianBlur(gray_pic, (21, 21), 0)
 
 # 如果沒有背景圖像就將當(dāng)前幀當(dāng)作背景圖片
 if pre_frame is None:
 pre_frame = gray_pic
 else:
 # absdiff把兩幅圖的差的絕對值輸出到另一幅圖上面來
 img_delta = cv2.absdiff(pre_frame, gray_pic)
 # threshold閾值函數(shù)(原圖像應(yīng)該是灰度圖,對像素值進行分類的閾值,當(dāng)像素值高于（有時是小于）閾值時應(yīng)該被賦予的新的像素值,閾值方法)
 thresh = cv2.threshold(img_delta, 30, 255, cv2.THRESH_BINARY)[1]
 # 用一下腐蝕與膨脹
 thresh = cv2.dilate(thresh, None, iterations=2)
 # findContours檢測物體輪廓(尋找輪廓的圖像,輪廓的檢索模式,輪廓的近似辦法)
 image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 for c in contours:
  # 設(shè)置敏感度
  # contourArea計算輪廓面積
  if cv2.contourArea(c) < 1000:
  continue
  else:
  print("有人員活動！?。?)
  # 保存圖像
  TI = time.strftime('%Y-%m-%d', time.localtime(time.time()))
  cv2.imwrite("D:\\PYthon\\first_j\\" + "JC"+TI+ '.jpg', frame)
  break
 pre_frame = gray_pic
 
 if cv2.waitKey(1) & 0xFF == ord('q'):
 break
 
# release()釋放攝像頭
camera.release()
# destroyAllWindows()關(guān)閉所有圖像窗口
cv2.destroyAllWindows()