Get超炫技能：如何使用 Python 执行运动检测？(1)

2. 然后我们将使用无限循环来捕获视频中的每一帧。
3. 我们将使用 read() 方法读取每一帧并将它们存储到各自的变量中。
4. 我们定义了一个可变运动并将其初始化为零。
5. 我们使用 cv2 函数 cvtColor 和 GaussianBlur 创建了另外两个变量 grayImage 和 grayFrame 来查找运动的变化。
6. 如果我们的 initialState 是 None 那么我们将当前的 grayFrame 分配给 initialState 否则并使用“continue”关键字停止下一个进程。
7. 在下一节中，我们计算了我们在当前迭代中创建的初始帧和灰度帧之间的差异。
8. 然后我们将使用 cv2 阈值和扩张函数突出显示初始帧和当前帧之间的变化。
9. 我们将从当前图像或帧中的移动对象中找到轮廓，并通过使用矩形函数在其周围创建绿色边界来指示移动对象。
10. 在此之后，我们将通过添加当前检测到的元素来附加我们的motionTrackList。
11. 我们使用imshow方法显示了所有的帧，如灰度和原始帧等。
12. 此外，我们使用 cv2 模块的 witkey() 方法创建了一个键来结束进程，我们可以使用“m”键来结束我们的进程。

# starting the webCam to capture the video using cv2 module 
video = cv2.VideoCapture(0)  

# using infinite loop to capture the frames from the video 
while True:  

   # Reading each image or frame from the video using read function 

   check, cur_frame = video.read()  

   

   # Defining 'motion' variable equal to zero as initial frame 

   var_motion = 0  

   

   # From colour images creating a gray frame 

   gray_image = cv2.cvtColor(cur_frame, cv2.COLOR_BGR2GRAY)  

   

   # To find the changes creating a GaussianBlur from the gray scale image 

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

   

   # For the first iteration checking the condition

   # we will assign grayFrame to initalState if is none 

   if initialState is None:  

       initialState = gray_frame  

       continue  

       

   # Calculation of difference between static or initial and gray frame we created 

   differ_frame = cv2.absdiff(initialState, gray_frame)  

   

   # the change between static or initial background and current gray frame are highlighted 

   

   thresh_frame = cv2.threshold(differ_frame, 30, 255, cv2.THRESH_BINARY)[1]  

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

   

   # For the moving object in the frame finding the coutours 

   cont,_ = cv2.findContours(thresh_frame.copy(),