掘金网站建设,黔东南企业网站建设,网页设计图片垂直对齐方式为顶端,wordpress第三方登陆CV_tutorial3 摄像头调用实时播放保存视频 运动目标识别帧差法背景减除法 摄像头调用
创建视频捕捉对象#xff1a;cv2.VideoCapture() 参数为视频设备的索引号#xff0c;就一个摄像投的话写0默认#xff1b; 或者是指定要读取视频的路径。
实时播放
import cv2
import … CV_tutorial3 摄像头调用实时播放保存视频 运动目标识别帧差法背景减除法 摄像头调用
创建视频捕捉对象cv2.VideoCapture() 参数为视频设备的索引号就一个摄像投的话写0默认 或者是指定要读取视频的路径。
实时播放
import cv2
import numpy as npcap cv2.VideoCapture(0)
# 创建循环结构连续按帧读取视频
while (True):# ret返回布尔值frame三维矩阵每一帧的图像ret, frame cap.read()# 并展示cv2.imread(frame, frame)# 按下‘q’键退出循环if cv2.waitKey(1) 0xFF ord(q):break
cap.release() # 释放资源
cv2.destroyAllWindows()保存视频
cv2.VideoWriter()
import cv2cap cv2.VideoCapture(0)#创建编码方式
# mp4:X,V,I,D
# avi:M,J,P,G或P,I,M,1
# flv:F,L,V,1
fourcc cv2.VideoWriter_fourcc(X,V,I,D)# 创建VideoWriter对象
out cv2.VideoWriter(ouput_1.mp4, fourcc, 20.0, (640, 480)) # 播放帧率大小
# 创建循环结构进行连续读写
while(cap.isOpened()):ret, frame cap.read()if ret True:out.write(frame)cv2.imshow(frame, frame)if cv2.waitKey(1) 0xFF ord(q):breakelse:break
cap.release()
out.release()
cv2.destryAllWindows()运动目标识别
帧差法
通过对视频中相邻两帧图像做差分运算来标记运动物体 移动的物体在相邻帧中灰度会有差别因此差值为0的是静态物体。
import cv2
camera cv2.VideoCapture(move_detect.flv)out_fps 12.0 # 输出文件的帧率
fourcc cv2.VideoWriter_fourcc(M, P, 4, 2) # 创建编码方式
# 创建VideoWriter对象
out1 cv2.VideoWriter(v1.avi, fourcc, out_fps, (500, 400))
out2 cv2.VideoWriter(v2.avi, fourcc, out_fps, (500, 400))# 初始化
lastFrame None# 创建循环结构进行连续读写
while camera.isOpened():ret, frame camera.read()# 如果不能抓取到一帧说明到了视频的结尾if not ret:break# 调整该帧大小frame cv2.resize(frame, (500, 400), interpolation cv2.INTER_CUBIC)# 如果第一帧是None,对其初始化if lastFrame None:lastFrame framecontinue# 求帧差frameDelta cv2.absdiff(lastFrame, frame)lastFrame frame阈值化留下轮廓thresh cv2.cvtColor(frameDelta, cv2.COLOR_BGR2GRAY) # 灰度图thresh cv2.threshold(thresh, 25, 255, cv2.THRESH_BINARY)[1] # 二值化# 阈值图像上的轮廓位置cnts, hierarchy cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 遍历轮廓for c in cnts:# 忽略小轮廓可能运动的小鸟之类的排除误差if cv2.contourArea(c) 300:continue# 画轮廓边界框(x, y, w, h) cv2.boundingRect(c)cv2.rectangle(frame, (x, y), (x w, y h), (0, 0, 255), 2)# 展示当前帧cv2.imshow(frame, frame)cv2.imshow(frameDelta, frameDelta)cv2.imshow(thresh, thresh)# 保存视频out1.write(frame)out2.write(frameDelta)if cv2.waitKey(20) 0xFF ord(q):break
# 资源释放
out1.release()
out2.release()
camera.release()
cv2.destroyAllWindows()飘动的彩带也被捕捉到了但是去误差没有标小轮廓 行人前后帧运动幅度小的也没被发现框定。
背景减除法
对视频的背景进行建模实现背景消除生成mask图像通过对mask二值图像分析实现对前景活动对象的区域的提取。
初始化背景建模对象GMM读取视频一帧使用背景建模消除生成mask对mask进行轮廓分析图区ROIregion of interest绘制ROI对象
import numpy as np
import cv2# read the video
camera cv2.VideoCapture(move_detect.flv)
# 创建背景减除对象
fgbg cv2.createBackgroundSubstractorMOG2(history 500, varThreshold 100, detectShadows False)def getPerson(image, opt1):# 获取前景maskmask fgbg.apply(frame)去噪# 创建一个矩形形状的结构元素用于形态学操作如腐蚀erosion和膨胀dilationline cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5), (-1, -1))mask cv2.morphologyEx(mask, cv2.MORPG_OPEN, line)cv2.imshow(mask, mask) # 画出轮廓并忽略小于阈值的轮廓contours, hierarchy cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)for c in contours:area cv2.contourArea(c)if area 150:continuerect cv2.minAreaRect(c) # 返回一个具有最小面积的矩形cv2.ellipse(image, rect, (0, 0, 255), 2, 8)cv2.circle(image, (np.int32(rect[0][0]), np.int32(rect[0][1])), 2, (0, 0, 255), 2, 8, 0) # 取矩形中心点作为圆心return image, maskwhile True:ret, frame camera.read()res, m_ getPerson(frame) # Python中使用下划线作为占位符变量名是一种惯例。它也可以用来忽略函数的返回值或迭代中的某些值以避免产生未使用变量的警告cv2.imshow(res, res)if cv2.waitKey(20) 0xFF ord(q):break
# 资源释放
camera.release()
cv2.destroyAllWindows()图像论1帧连续帧就成了视频
