快捷導(dǎo)航

opencv檢測動態(tài)物體的實現(xiàn)

更新時間：2021年07月19日 15:51:11 作者：滑稽研究所

本文主要介紹了opencv檢測動態(tài)物體的實現(xiàn)，文中通過示例代碼介紹的非常詳細，需要的朋友們下面隨著小編來一起學習學習吧

之前我在超市看到當有物體經(jīng)過時，監(jiān)控的屏幕邊緣會出現(xiàn)綠框。感覺蠻有意思的。來用opencv試試能不能實現(xiàn)類似的效果。

我采用的檢測動態(tài)物體的方法是，比較前后兩幀圖像，即當前畫面與上一幀的畫面出現(xiàn)了不同。我們把兩幀畫面進行比較。然后框選出運動的物體。我們還希望程序可以判斷當前窗口到底有沒有物體在運動。那么我們就需要添加一個狀態(tài)。為了方便我們找到什么時間有物體移動，我打印出時間。

當我們的程序檢測到移動的物體時，會捕捉到它的輪廓，添加一個外接整矩形框，返回x,y的坐標。當不返回坐標時，則意味著沒有物體運動，我們通過坐標值來是否有物體移動。并打印出當時的本地時間。

源代碼：

import cv2
import time
import numpy as np

def videos():
    cap = cv2.VideoCapture(1)
    #不設(shè)置是默認640*480，我們這里設(shè)置出來
    cap.set(3, 640)
    cap.set(4, 480)

    img_num = 0
    k = np.ones((3, 3), np.uint8)

    while True:
        success, img = cap.read()
        localtime = time.asctime(time.localtime(time.time()))

        if not img_num:
            # 這里是由于第一幀圖片沒有前一幀
            previous = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        gray_diff = cv2.absdiff(gray, previous)  # 計算絕對值差
        # previous 是上一幀圖片的灰度圖

        thresh = cv2.threshold(gray_diff, 40, 255, cv2.THRESH_BINARY)[1]
        mask = cv2.medianBlur(thresh, 3)

        close = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, k)

        cnts = cv2.findContours(close,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)[0]
        for c in cnts:
            area = cv2.contourArea(c)
            if area > 50:
                x, y, w, h = cv2.boundingRect(c)
                cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

                if x>0:
                    print("動",localtime)

        cv2.putText(img, localtime, (30, 30), cv2.FONT_HERSHEY_COMPLEX, 0.7, (0, 0, 255), 2)
        cv2.imshow("x", close)
        cv2.imshow("Result", img)
        img_num += 1

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

videos()

靜：

在這里插入圖片描述

動：

當有物體經(jīng)過窗口時，控制臺打印出了時間。這樣便于我們在錄制好的視頻內(nèi)查找。

在這里插入圖片描述

為了方便，我在窗口左上角加入了時間和日期。

**注意!**必須把
localtime = time.asctime(time.localtime(time.time()))
放入主循環(huán)內(nèi)，否則只返回調(diào)用的一瞬間的本地時間，不會程序持續(xù)。
也不可以使用time.sleep()來控制時間變化，這會影響我們視頻的幀率

這個方法的弊端是當環(huán)境光線亮度變化過大時，返回的輪廓會產(chǎn)生變化，導(dǎo)致程序判斷整個屏幕都在運動，這點仍需改進。

到此這篇關(guān)于opencv檢測動態(tài)物體的實現(xiàn)的文章就介紹到這了,更多相關(guān)opencv檢測動態(tài)物體內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: