差帧法检测物体运动

帧间差分法(Temporal Difference)就是将视频的前后帧对应的像素点进行差运算得出差值。由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。

1.首先将视频每帧画面转为二值图，然后在每两帧之间进行做差运算，这里使用

 cv2.absdiff(前一帧, 后一帧)  当前后帧的同一个像素点的差值不为零，并且差值的绝对值超过设定的阈值时，就可以判断画面发生了移动。

后一帧的对照 = 当前帧.copy()

import cv2
import numpy as npcamera = cv2.VideoCapture(0)
# 判断视频是否打开
if (camera.isOpened()):print('Open')
else:print('摄像头未打开')# 测试用,查看视频size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)), int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:' + repr(size))es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 4))
kernel = np.ones((5, 5), np.uint8)
firstframe = None  #设置第一个对比模板while True:ret, frame = camera.read()if not ret:breakgray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  #灰度化gray = cv2.GaussianBlur(gray, (21, 21), 0)  #模糊处理if firstframe is None:firstframe = gray  #firstframe取第一张graycontinueframeDelta = cv2.absdiff(firstframe, gray)firstframe = gray.copy()  #将这帧作为下一帧的对照模板thresh = cv2.threshold(frameDelta, 25, 255, cv2.THRESH_BINARY)[1]  #二值化thresh = cv2.dilate(thresh, None, iterations=2)  #腐蚀cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)for c in cnts:#if cv2.contourArea(c) < 1500:  # 对于矩形区域，只显示大于给定阈值的轮廓，所以一些微小的变化不会显示。对于光照不变和噪声低的摄像头可不设定轮廓最小尺寸的阈值#continuex, y, w, h = cv2.boundingRect(c)  #选取画框区域cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)  #画框print(x, y)cv2.imshow("frame", frame)cv2.imshow("Thresh", thresh)cv2.imshow("frame2", frameDelta)key = cv2.waitKey(1) & 0xFFif key == ord("q"):breakcamera.release()
cv2.destroyAllWindows()

连贯起来整个过程就能分析检测出运动的物体，该方法算法简单，但缺点也多，

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！