# 读取当前帧图像
ret, frame = cap.read()
# 如果成功读取到帧
if ret:
# 应用背景减法器，提取前景
fgmask = fgbg.apply(frame)
# 运动目标跟踪
contours, _ = cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
if cv2.contourArea(contour) > 500:
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# 人脸识别
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
# 在窗口中显示图像
cv2.imshow('Video Analysis', frame)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
释放视频文件
cap.release()
关闭所有窗口
cv2.destroyAllWindows()
这段代码在前面的视频分析示例代码基础上进行了扩展。首先创建了一个背景减法器（Background Subtractor），用于提取视频中的前景物体。然后使用该前景进行运动目标跟踪，通过找到轮廓并绘制矩形框来标记运动目标。接下来，使用人脸识别器（Haar级联分类器）对当前帧进行人脸检测，然后绘制矩形框来标记检测到的人脸。
请注意，为了运行人脸识别功能，您需要下载并指定正确的人脸检测器（haarcascade\_frontalface\_default.xml）。您可以从OpenCV官方网站或GitHub存储库中获取该文件。
这只是一个简单的示例，实际应用中可能需要进一步调整和优化参数、处理多个目标、添加更多的视频分析功能等。根据您的具体需求，您可以根据OpenCV提供的丰富功能和算法进行扩展和定制。
### 五、OpenCV视频编解码示例代码
以下是一个简单的示例代码，演示如何使用OpenCV进行视频编解码：
import cv2
打开视频文件
cap = cv2.VideoCapture(‘path/to/video/file.mp4’)
获取视频的原始宽度和高度
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
创建编码器对象
fourcc = cv2.VideoWriter_fourcc(*‘mp4v’)
out = cv2.VideoWriter(‘output.mp4’, fourcc, 30.0, (width, height))
while True:
# 读取当前帧图像
ret, frame = cap.read()
# 如果成功读取到帧
if ret:
# 在窗口中显示图像
cv2.imshow('Video Playback', frame)
# 将帧写入输出视频文件
out.write(frame)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
释放视频文件和编码器对象
cap.release()
out.release()
关闭所有窗口
cv2.destroyAllWindows()
这段代码首先打开视频文件，并获取视频的原始宽度和高度。然后创建一个VideoWriter对象，指定输出文件名、编码格式、帧率和图像大小。在循环中，不断读取视频的每一帧，并在窗口中显示图像。同时，将每一帧写入输出视频文件中。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件和编码器对象，并关闭所有窗口。
请注意，这只是一个简单示例，实际应用中还需要考虑错误处理、参数设置、视频编码参数调整等其他因素。根据实际需求，您可以进一步扩展和优化代码。
以下是一个扩展示例代码，演示如何使用OpenCV进行视频编解码的一些扩展功能，包括视频剪辑和添加音频：
import cv2
import numpy as np
打开视频文件
cap = cv2.VideoCapture(‘path/to/video/file.mp4’)
获取视频的原始帧率、宽度和高度
fps = cap.get(cv2.CAP_PROP_FPS)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
计算视频总帧数和持续时间
total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
duration = total_frames / fps
设置剪辑起始时间和结束时间（以秒为单位）
start_time = 10
end_time = 20
计算剪辑的起始帧和结束帧
start_frame = int(start_time * fps)
end_frame = int(end_time * fps)
调整剪辑后视频的宽度和高度
new_width = int(width / 2)
new_height = int(height / 2)
创建编码器对象
fourcc = cv2.VideoWriter_fourcc(*‘mp4v’)
out = cv2.VideoWriter(‘output.mp4’, fourcc, fps, (new_width, new_height))
循环遍历视频帧
for frame_index in range(total_frames):
# 读取当前帧图像
ret, frame = cap.read()
# 如果成功读取到帧
if ret:
# 对剪辑范围内的帧进行处理
if frame_index >= start_frame and frame_index <= end_frame:
# 调整帧的大小
resized_frame = cv2.resize(frame, (new_width, new_height))
# 在窗口中显示图像
cv2.imshow('Video Playback', resized_frame)
# 将帧写入输出视频文件
out.write(resized_frame)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
释放视频文件和编码器对象
cap.release()
out.release()
关闭所有窗口
cv2.destroyAllWindows()
这段代码在前面的视频编解码示例代码基础上进行了扩展。首先获取视频的原始帧率、宽度和高度，并计算视频的总帧数和持续时间。然后设置剪辑的起始时间和结束时间，并根据帧率计算剪辑的起始帧和结束帧。接下来调整剪辑后视频的宽度和高度，并创建一个新的VideoWriter对象来保存剪辑后的视频。在循环中，只对剪辑范围内的帧进行处理和保存。最后，释放视频文件和编码器对象，并关闭所有窗口。
请注意，这只是一个简单示例，实际应用中可能需要进一步调整和优化参数、处理多个剪辑范围、添加音频等。根据您的具体需求，您可以根据OpenCV提供的丰富功能和算法进行扩展和定制。
### 六、OpenCV视频处理示例代码
以下是一个简单的示例代码，演示如何使用OpenCV进行视频处理：
import cv2
打开视频文件
cap = cv2.VideoCapture(‘path/to/video/file.mp4’)
创建输出视频文件对象
fourcc = cv2.VideoWriter_fourcc(*‘mp4v’)
out = cv2.VideoWriter(‘output.mp4’, fourcc, 30.0, (640, 480))
while True:
# 读取当前帧图像
ret, frame = cap.read()
# 如果成功读取到帧
if ret:
# 图像处理操作示例：将图像转换为灰度图像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 在窗口中显示图像
cv2.imshow('Video Processing', gray)
# 将处理后的帧写入输出视频文件
out.write(gray)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
释放视频文件和输出视频文件对象
cap.release()
out.release()
关闭所有窗口
cv2.destroyAllWindows()
这段代码首先打开视频文件，并创建一个输出视频文件对象。然后在循环中，不断读取视频的每一帧。在每一帧中，可以进行各种图像处理操作，例如将图像转换为灰度图像、应用滤波器、检测边缘等。在本示例中，我们将图像转换为灰度图像。然后，在窗口中显示处理后的图像，并将其写入输出视频文件。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件和输出视频文件对象，并关闭所有窗口。
请注意，这只是一个简单示例，实际应用中可以根据需求进行更复杂的图像处理操作，如对象检测、跟踪、特征提取等。您可以根据OpenCV提供的丰富功能和算法进行扩展和定制，以满足您的具体需求。
以下是一个扩展示例代码，演示如何使用OpenCV进行视频处理的一些扩展功能，包括对象检测和添加文本水印：
import cv2
打开视频文件
cap = cv2.VideoCapture(‘path/to/video/file.mp4’)
创建输出视频文件对象
fourcc = cv2.VideoWriter_fourcc(*‘mp4v’)
out = cv2.VideoWriter(‘output.mp4’, fourcc, 30.0, (640, 480))
加载对象检测模型
net = cv2.dnn.readNetFromCaffe(‘path/to/model.prototxt’, ‘path/to/model.caffemodel’)
while True:
# 读取当前帧图像
ret, frame = cap.read()
# 如果成功读取到帧
if ret:
# 对象检测操作示例：检测人脸
blob = cv2.dnn.blobFromImage(cv2.resize(frame, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0))
net.setInput(blob)
detections = net.forward()
# 绘制检测框
for i in range(detections.shape[2]):
confidence = detections[0, 0, i, 2]
if confidence > 0.5:
box = detections[0, 0, i, 3:7] \* np.array([frame.shape[1], frame.shape[0], frame.shape[1], frame.shape[0]])
(startX, startY, endX, endY) = box.astype("int")
cv2.rectangle(frame, (startX, startY), (endX, endY), (0, 255, 0), 2)
# 添加文本水印
cv2.putText(frame, 'Watermark', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv2.LINE_AA)
# 在窗口中显示图像
cv2.imshow('Video Processing', frame)
# 将处理后的帧写入输出视频文件
out.write(frame)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
释放视频文件和输出视频文件对象
cap.release()
out.release()
关闭所有窗口
cv2.destroyAllWindows()
这段代码在前面的视频处理示例代码基础上进行了扩展。首先打开视频文件，并创建一个输出视频文件对象。然后加载对象检测模型，例如人脸检测模型。在每一帧中，通过对象检测模型检测出感兴趣的对象，并绘制检测框标记出来。同时，在帧上添加文本水印，以展示添加文本的能力。最后，在窗口中显示处理后的图像，并将其写入输出视频文件。
请注意，这只是一个简单示例，实际应用中可以根据需求使用不同的对象检测模型，如物体检测、行人检测等。您可以根据OpenCV提供的丰富功能和算法进行扩展和定制，以满足您的具体需求。同时，您还可以进一步调整参数、添加其他图像处理操作等，以实现更复杂的视频处理任务。
### 七、OpenCV视频展示示例代码
以下是一个简单的示例代码，演示如何使用OpenCV展示视频：
import cv2
打开视频文件
cap = cv2.VideoCapture(‘path/to/video/file.mp4’)
while True:
# 读取当前帧图像
ret, frame = cap.read()
# 如果成功读取到帧
if ret:
# 在窗口中显示图像
cv2.imshow('Video Playback', frame)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
释放视频文件
cap.release()
关闭所有窗口
cv2.destroyAllWindows()
这段代码首先打开视频文件，并在循环中不断读取视频的每一帧。在每一帧中，将图像显示在一个窗口中。如果按下键盘上的 ‘q’ 键，就会退出循环。最后，释放视频文件，并关闭所有窗口。
请注意，这只是一个简单示例，实际应用中可能需要进一步处理和优化，例如调整窗口大小、添加视频控制功能等。根据您的具体需求，您可以根据OpenCV提供的丰富功能和算法进行扩展和定制。
以下是一个扩展示例代码，演示如何使用OpenCV展示视频并实时显示帧率：
import cv2
import time
打开视频文件
cap = cv2.VideoCapture(‘path/to/video/file.mp4’)
获取视频的帧率
fps = cap.get(cv.CAP_PROP_FPS)
while True:
# 读取当前帧图像
ret, frame = cap.read()
# 如果成功读到帧
if ret:
# 在窗口中显示图像
cv2.imshow(‘Video Playback’, frame)
# 实时计算帧率
current_time = time.time()
elapsed_time = current_time - start_time
fps_current = 1 / elapsed_time
start_time = current_time
# 打印帧率信息
print(f"当前帧率: {fps\_current:.2f} fps")
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
释放视频文件
cap.release()
文末有福利领取哦~
👉一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
👉二、Python必备开发工具
👉三、Python视频合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
👉 四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）
👉五、Python练习题
检查学习结果。
👉六、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
1178
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
