python opencv 檢測(cè)移動(dòng)物體并截圖保存實(shí)例
更新時(shí)間：2020年03月10日 10:49:11 作者：ZJL-阿友
這篇文章主要介紹了python opencv 檢測(cè)移動(dòng)物體并截圖保存實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
最近在老家找工作，無(wú)奈老家工作真心太少，也沒(méi)什么面試機(jī)會(huì)，不過(guò)之前面試一家公司，提了一個(gè)有意思的需求，檢測(cè)河面沒(méi)有有什么船只之類(lèi)的物體，我當(dāng)時(shí)第一反應(yīng)是用opencv做識(shí)別，不過(guò)回家想想，河面相對(duì)的東西比較少，畫(huà)面比較單一，只需要檢測(cè)有沒(méi)有移動(dòng)的物體不就簡(jiǎn)單很多嘛，如果做街道垃圾檢測(cè)的話可能就很復(fù)雜了，畢竟街道上行人，車(chē)輛，動(dòng)物，很多干擾物，于是就花了一個(gè)小時(shí)寫(xiě)了一個(gè)小的demo，只需在程序同級(jí)目錄創(chuàng)建一個(gè)img目錄就可以了
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截圖
save_path = './img/'
# 定義攝像頭對(duì)象，其參數(shù)0表示第一個(gè)攝像頭
camera = cv2.VideoCapture(0)
# 判斷視頻是否打開(kāi)
if (camera.isOpened()):
print('Open')
else:
print('攝像頭未打開(kāi)')
# 測(cè)試用,查看視頻size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 幀率
fps = 5
# 總是取前一幀做為背景（不用考慮環(huán)境影響）
pre_frame = None
while(1):
start = time.time()
# 讀取視頻流
ret, frame = camera.read()
# 轉(zhuǎn)灰度圖
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
cv2.imshow("capture", frame)
# 運(yùn)動(dòng)檢測(cè)部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯濾波進(jìn)行模糊處理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果沒(méi)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_lwpCV
else:
# absdiff把兩幅圖的差的絕對(duì)值輸出到另一幅圖上面來(lái)
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold閾值函數(shù)(原圖像應(yīng)該是灰度圖,對(duì)像素值進(jìn)行分類(lèi)的閾值,當(dāng)像素值高于（有時(shí)是小于）閾值時(shí)應(yīng)該被賦予的新的像素值,閾值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨脹圖像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours檢測(cè)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(jì)算輪廓面積
if cv2.contourArea(c) < 1000:
continue
else:
print("出現(xiàn)目標(biāo)物，請(qǐng)求核實(shí)")
# 保存圖像
cv2.imwrite(save_path + str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) + '.jpg', frame)
break
pre_frame = gray_lwpCV
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()
想出現(xiàn)一個(gè)矩形框跟隨移動(dòng)物于是進(jìn)行了改造，結(jié)果發(fā)現(xiàn)效果不是很理想，不能很好的框住移動(dòng)目標(biāo)，要么只框一部分，要么出現(xiàn)在移動(dòng)目標(biāo)附近，尷尬
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截圖
save_path = './img/'
# 定義攝像頭對(duì)象，其參數(shù)0表示第一個(gè)攝像頭
camera = cv2.VideoCapture(0)
# 判斷視頻是否打開(kāi)
if (camera.isOpened()):
print('Open')
else:
print('攝像頭未打開(kāi)')
# 測(cè)試用,查看視頻size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 幀率
fps = 5
# 總是取前一幀做為背景（不用考慮環(huán)境影響）
pre_frame = None
while(1):
start = time.time()
# 讀取視頻流
ret, frame = camera.read()
# 轉(zhuǎn)灰度圖
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
# 顯示圖像
# cv2.imshow("capture", frame)
# 運(yùn)動(dòng)檢測(cè)部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯濾波進(jìn)行模糊處理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果沒(méi)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_lwpCV
else:
# absdiff把兩幅圖的差的絕對(duì)值輸出到另一幅圖上面來(lái)
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold閾值函數(shù)(原圖像應(yīng)該是灰度圖,對(duì)像素值進(jìn)行分類(lèi)的閾值,當(dāng)像素值高于（有時(shí)是小于）閾值時(shí)應(yīng)該被賦予的新的像素值,閾值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨脹圖像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours檢測(cè)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(jì)算輪廓面積
if cv2.contourArea(c) < 1000:
continue
else:
# 畫(huà)出矩形框架,返回值x，y是矩陣左上點(diǎn)的坐標(biāo)，w，h是矩陣的寬和高
(x, y, w, h) = cv2.boundingRect(c)
# rectangle(原圖,(x,y)是矩陣的左上點(diǎn)坐標(biāo),(x+w,y+h)是矩陣的右下點(diǎn)坐標(biāo),(0,255,0)是畫(huà)線對(duì)應(yīng)的rgb顏色,2是所畫(huà)的線的寬度)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# putText 圖片中加入文字
cv2.putText(frame, "now time: {}".format(str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) ), (10, 20),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
print("出現(xiàn)目標(biāo)物，請(qǐng)求核實(shí)")
# 保存圖像
cv2.imwrite(save_path + str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) + '.jpg', frame)
break
pre_frame = gray_lwpCV
# 顯示圖像
cv2.imshow("capture", frame)
# cv2.imshow("Thresh", thresh)
# 進(jìn)行閥值化來(lái)顯示圖片中像素強(qiáng)度值有顯著變化的區(qū)域的畫(huà)面
cv2.imshow("Frame Delta", img_delta)
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()
補(bǔ)充知識(shí)：基于python使用opencv監(jiān)測(cè)視頻指定區(qū)域是否有物體移動(dòng)
緣由：車(chē)停車(chē)位，早上看到右后輪有很明顯的干了的水漬，前一天下雨，車(chē)身其他位置沒(méi)有如此顯眼的水漬，不可能是前天雨水的水漬，仔細(xì)一看，從油箱蓋一直往下，很明顯，有某個(gè)X德的人故意尿在車(chē)上的，找物業(yè)拿到視頻監(jiān)控文件，自己看太費(fèi)時(shí)間，于是。。。
思路：讀取視頻的關(guān)鍵幀，對(duì)比指定區(qū)域的數(shù)據(jù)，如果變化較大（排除環(huán)境光線變化），則有物體移動(dòng)，截取當(dāng)前幀保存?zhèn)溆谩?/p>
行動(dòng)：對(duì)于python處理視頻不了解，找來(lái)找去，找到opencv，符合需求。
原來(lái)是個(gè)熊孩子小學(xué)生，上樓就到家了，這爹媽教也沒(méi)管教說(shuō)不能隨地大小便么。
代碼如下：
#!/usr/bin/env python
# coding: utf-8
# @author: sSWans
# @file: main.py
# @time: 2018/1/11 15:54
import os
import random
from _datetime import datetime
import cv2
path = 'F:\\111'
# 遍歷目錄下的視頻文件
def get_files(fpath):
files_list = []
for i in os.listdir(fpath):
files_list.append(os.path.join(fpath, i))
return files_list
# 視頻處理
def process(file, fname):
# camera = cv2.VideoCapture(0) # 參數(shù)0表示第一個(gè)攝像頭
camera = cv2.VideoCapture(file)
# 參數(shù)設(shè)置，監(jiān)測(cè)矩形區(qū)域
rectangleX = 880 # 矩形最左點(diǎn)x坐標(biāo)
rectangleXCols = 0 # 矩形x軸上的長(zhǎng)度
rectangleY = 650 # 矩形最上點(diǎn)y坐標(biāo)
rectangleYCols = 100 # 矩形y軸上的長(zhǎng)度
KeyFrame = 17 # 取關(guān)鍵幀的間隔數(shù)，根據(jù)視頻的幀率設(shè)置，我的視頻是16FPS
counter = 1 # 取幀計(jì)數(shù)器
pre_frame = None # 總是取視頻流前一幀做為背景相對(duì)下一幀進(jìn)行比較
# 判斷視頻是否打開(kāi)
if not camera.isOpened():
print('視頻文件打開(kāi)失??！')
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
print('視頻尺寸（高，寬）:', height, width)
if rectangleXCols == 0:
rectangleXCols = width - rectangleX
if rectangleYCols == 0:
rectangleYCols = height - rectangleY
start_time = datetime.now()
print('{} 開(kāi)始處理文件： {}'.format(start_time.strftime('%H:%M:%S'), fname))
while True:
grabbed, frame_lwpCV = camera.read() # 讀取視頻流
if grabbed:
if counter % KeyFrame == 0:
# if not grabbed:
# print('{} 完成處理文件： {} 。。。 '.format(datetime.now().strftime('%H:%M:%S'),fname))
# break
gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY) # 轉(zhuǎn)灰度圖
gray_lwpCV = gray_lwpCV[rectangleY:rectangleY + rectangleYCols, rectangleX:rectangleX + rectangleXCols]
lwpCV_box = cv2.rectangle(frame_lwpCV, (rectangleX, rectangleY),
(rectangleX + rectangleXCols, rectangleY + rectangleYCols), (0, 255, 0),
2) # 用綠色矩形框顯示監(jiān)測(cè)區(qū)域
# cv2.imshow('lwpCVWindow', frame_lwpCV) # 顯示視頻播放窗口，開(kāi)啟消耗時(shí)間大概是3倍
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
if pre_frame is None:
pre_frame = gray_lwpCV
else:
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.dilate(thresh, None, iterations=2)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
for x in contours:
if cv2.contourArea(x) < 1000: # 設(shè)置敏感度
continue
else:
cv2.imwrite(
'image/' + fname + '_' + datetime.now().strftime('%H%M%S') + '_' + str(
random.randrange(0, 9999)) + '.jpg',
frame_lwpCV)
# print("監(jiān)測(cè)到移動(dòng)物體。。。 ", datetime.now().strftime('%H:%M:%S'))
break
pre_frame = gray_lwpCV
counter += 1
key = cv2.waitKey(1) & 0xFF
if key == ord('q'):
break
else:
end_time = datetime.now()
print('{} 完成處理文件： {} 耗時(shí)：{}'.format(end_time.strftime('%H:%M:%S'), fname, end_time - start_time))
break
camera.release()
# cv2.destroyAllWindows() # 與上面的imshow對(duì)應(yīng)
for file in get_files(path):
fname = file.split('\\')[-1].replace('.mp4', '')
process(file, fname)
以上這篇python opencv 檢測(cè)移動(dòng)物體并截圖保存實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了python 如何在 Matplotlib 中繪制垂直線，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下2021-04-04
常常會(huì)從網(wǎng)絡(luò)上下載一些帶密碼的壓縮包,想要獲取里面的內(nèi)容,往往就要給提供商支付一些費(fèi)用.想要白嫖其中的內(nèi)容,常見(jiàn)的做法是百度搜索一些壓縮包密碼破解軟件,但后果相信體驗(yàn)過(guò)的人都知道.本文詳細(xì)介紹了怎么破解壓縮包,需要的朋友可以參考下2021-05-05
簡(jiǎn)單了解python調(diào)用其他腳本方法實(shí)例
這篇文章主要介紹了簡(jiǎn)單了解python調(diào)用其他腳本方法實(shí)例,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-03-03
這篇文章主要介紹了python一些性能分析的技巧，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-08-08
今天小編就為大家分享一篇python得到qq句柄,并顯示在前臺(tái)的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-10-10
Python?Opencv實(shí)現(xiàn)圖片切割處理
這篇文章主要為大家詳細(xì)介紹了Python?Opencv實(shí)現(xiàn)圖片切割處理，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-01-01
python 自動(dòng)批量打開(kāi)網(wǎng)頁(yè)的示例
今天小編就為大家分享一篇python 自動(dòng)批量打開(kāi)網(wǎng)頁(yè)的示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-02-02
python如何實(shí)現(xiàn)不可變字典inmutabledict
這篇文章主要介紹了python如何實(shí)現(xiàn)不可變字典inmutabledict,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-01-01
Python使用SQLAlchemy模塊實(shí)現(xiàn)操作數(shù)據(jù)庫(kù)
SQLAlchemy 是用Python編程語(yǔ)言開(kāi)發(fā)的一個(gè)開(kāi)源項(xiàng)目,它提供了SQL工具包和ORM對(duì)象關(guān)系映射工具,使用SQLAlchemy可以實(shí)現(xiàn)高效和高性能的數(shù)據(jù)庫(kù)訪問(wèn),下面我們就來(lái)學(xué)習(xí)一下SQLAlchemy模塊的具體應(yīng)用吧2023-11-11
梯度下降法介紹及利用Python實(shí)現(xiàn)的方法示例
梯度下降算法是一個(gè)很基本的算法，在機(jī)器學(xué)習(xí)和優(yōu)化中有著非常重要的作用，下面這篇文章主要給大家介紹了關(guān)于利用Python實(shí)現(xiàn)梯度下降法的相關(guān)資料，對(duì)大家具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起看看吧。2017-07-07