使用opencv3+python实现视频运动目标检测

本文主要实现了伯乐在线上的一个实践小项目，原文链接，用以巩固opencv视频操作知识内容。整个项目均有代码注释，通俗易懂，短短几十行就可以达到还算不错的实现效果，做起来成就感满满哒。打开编辑器，一起来感受下opencv+python在CV中的无穷魅力吧 ^_^

 import argparse

 import time

 import imutils

 import cv2

 # 创建参数解析器并解析参数

 ap = argparse.ArgumentParser()

 ap.add_argument("-v", "--video", help="path of the video")

 # 待检测目标的最小面积，该值需根据实际应用情况进行调整(原文为500)

 ap.add_argument("-a", "--min-area", type=int, default=2000, help="minimum area size")

 args = vars(ap.parse_args())    #@

 # 如果video参数为空，则从自带摄像头获取数据

 if args.get("video") == None:

     camera = cv2.VideoCapture(0)

 # 否则读取指定的视频

 else:

     camera = cv2.VideoCapture(args["video"])

 # 开始之前先暂停一下,以便跑路(离开本本摄像头拍摄区域^_^)

 print("Ready?")

 time.sleep(1)

 print("Action!")

 # 初始化视频第一帧

 firstRet, firstFrame = camera.read()

 if not firstRet:

     print("Load video error!")

     exit(0)

 # 对第一帧进行预处理

 firstFrame = imutils.resize(firstFrame, width=500)  # 尺寸缩放，width=500

 gray_firstFrame = cv2.cvtColor(firstFrame, cv2.COLOR_BGR2GRAY) # 灰度化

 firstFrame = cv2.GaussianBlur(gray_firstFrame, (21, 21), 0) #高斯模糊，用于去噪

 # 遍历视频的每一帧

 while True:

     (ret, frame) = camera.read()

     # 如果没有获取到数据，则结束循环

     if not ret:

         break

     # 对获取到的数据进行预处理

     frame = imutils.resize(frame, width=500)

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

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

     # cv2.imshow('video', firstFrame)

     # 计算第一帧和其他帧的差别

     frameDiff = cv2.absdiff(firstFrame, gray_frame)

     # 忽略较小的差别

     retVal, thresh = cv2.threshold(frameDiff, 25, 255, cv2.THRESH_BINARY)

     # 对阈值图像进行填充补洞

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

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

     text = "Unoccupied"

     # 遍历轮廓

     for contour in contours:

         # if contour is too small, just ignore it

         if cv2.contourArea(contour) < args["min_area"]:

             continue

         # 计算最小外接矩形（非旋转）

         (x, y, w, h) = cv2.boundingRect(contour)

         cv2.rectangle(frame, (x, y), (x+w, y+h), (0,255,0), 2)

         text = "Occupied!"

     cv2.putText(frame, "Room Status: {}".format(text), (10,20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,0,255), 2)

     cv2.imshow('frame', frame)

     cv2.imshow('thresh', thresh)

     cv2.imshow('frameDiff', frameDiff)

     # 处理按键效果

     key = cv2.waitKey(60) & 0xff

     if key == 27:   # 按下ESC时，退出

         break

     elif key == ord(' '):   # 按下空格键时，暂停

         cv2.waitKey(0)

 # 释放资源并关闭所有窗口

 camera.release()

 cv2.destroyAllWindows()

附上原文实验结果：

Reference

http://python.jobbole.com/81593/
 
 
 
 

使用opencv3+python实现视频运动目标检测的相关教程结束。