基于python使用opencv监测视频指定区域是否有物体移动

缘由:车停车位,早上看到右后轮有很明显的干了的水渍,前一天下雨,车身其他位置没有如此显眼的水渍,不可能是前天雨水的水渍,仔细一看,从油箱盖一直往下,很明显,有某个X德的人故意尿在车上的,找物业拿到视频监控文件,自己看太费时间,于是。。。

思路:读取视频的关键帧,对比指定区域的数据,如果变化较大(排除环境光线变化),则有物体移动,截取当前帧保存备用。

行动:对于python处理视频不了解,找来找去,找到opencv,符合需求。


原来是个熊孩子小学生,上楼就到家了,这爹妈教也没管教说不能随地大小便么。


代码如下:

#!/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'


# 遍历目录下的视频文件
def get_files(fpath):
    files_list = []
    for i in os.listdir(fpath):
        files_list.append(os.path.join(fpath, i))
    return files_list


# 视频处理
def process(file, fname):
    # camera = cv2.VideoCapture(0)  # 参数0表示第一个摄像头
    camera = cv2.VideoCapture(file)
    # 参数设置,监测矩形区域
    rectangleX = 880  # 矩形最左点x坐标
    rectangleXCols = 0  # 矩形x轴上的长度
    rectangleY = 650  # 矩形最上点y坐标
    rectangleYCols = 100  # 矩形y轴上的长度
    KeyFrame = 17  # 取关键帧的间隔数,根据视频的帧率设置,我的视频是16FPS
    counter = 1  # 取帧计数器
    pre_frame = None  # 总是取视频流前一帧做为背景相对下一帧进行比较

    # 判断视频是否打开
    if not camera.isOpened():
        print('视频文件打开失败!')

    width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
    print('视频尺寸(高,宽):', height, width)

    if rectangleXCols == 0:
        rectangleXCols = width - rectangleX
    if rectangleYCols == 0:
        rectangleYCols = height - rectangleY
    start_time = datetime.now()
    print('{} 开始处理文件: {}'.format(start_time.strftime('%H:%M:%S'), fname))
    while True:
        grabbed, frame_lwpCV = camera.read()  # 读取视频流
        if grabbed:
            if counter % KeyFrame == 0:
                # if not grabbed:
                #     print('{} 完成处理文件: {} 。。。  '.format(datetime.now().strftime('%H:%M:%S'),fname))
                #     break
                gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY)  # 转灰度图
                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)  # 用绿色矩形框显示监测区域
                # cv2.imshow('lwpCVWindow', frame_lwpCV)  # 显示视频播放窗口,开启消耗时间大概是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:  # 设置敏感度
                            continue
                        else:
                            cv2.imwrite(
                                'image/' + fname + '_' + datetime.now().strftime('%H%M%S') + '_' + str(
                                    random.randrange(0, 9999)) + '.jpg',
                                frame_lwpCV)
                            # print("监测到移动物体。。。  ", 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('{} 完成处理文件: {}  耗时:{}'.format(end_time.strftime('%H:%M:%S'), fname, end_time - start_time))
            break
    camera.release()
    # cv2.destroyAllWindows() #  与上面的imshow对应


for file in get_files(path):
    fname = file.split('\\')[-1].replace('.mp4', '')
    process(file, fname)


  • 14
    点赞
  • 59
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
基于PythonOpenCV库,可以使用一种称为人脸识别的技术来检测视频中的指定人脸。首先,我们需要提供视频文件和一个用于检测指定人脸的图像文件。 下面是一个简单的步骤来实现这个目标: 1. 安装PythonOpenCV库,并确保正确配置环境。 2. 导入必要的库: ``` python import cv2 import numpy as np ``` 3. 加载视频文件和用于检测的人脸图像: ``` python video_file = 'path_to_video_file' face_image = cv2.imread('path_to_face_image', 0) # 以灰度方式加载人脸图像 ``` 4. 创建一个人脸检测器对象,使用OpenCV提供的级联分类器文件: ``` python face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') ``` 5. 读取视频文件的每一帧,并在每一帧中检测人脸: ``` python cap = cv2.VideoCapture(video_file) while True: ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) for (x, y, w, h) in faces: roi_gray = gray[y:y+h, x:x+w] roi_color = frame[y:y+h, x:x+w] # 使用匹配算法检测人脸 result = cv2.matchTemplate(roi_gray, face_image, cv2.TM_CCOEFF) # 设定一个阈值,确定是否检测到指定人脸 threshold = 0.7 if np.max(result) > threshold: cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.imshow('Video', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() ``` 这段代码将连续读取视频文件中的每一帧,并使用级联分类器检测人脸。然后,获取每个检测到的人脸区域,并使用匹配算法与指定的人脸图像进行比较。如果比较结果超过预设的阈值,则在视频帧上绘制矩形框来标记检测到的指定人脸。 最后,通过调用释放视频文件并关闭展示窗口来完成整个过程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值