一种基于opencv的动态目标识别跟踪方法

最新推荐文章于 2023-11-27 22:34:47 发布

人间少年

最新推荐文章于 2023-11-27 22:34:47 发布

阅读量7.1k

点赞数 5

文章标签： opencv 动态目标

本文链接：https://blog.csdn.net/qq_34243982/article/details/79222026

版权

博主分享了作为opencv初学者如何实现动态目标识别跟踪的方法，通过比较当前帧和起始背景帧的灰度值差，使用threshold函数设定阈值，提取出移动物体。虽然程序尚在初级阶段，存在优化空间，但欢迎交流讨论。

摘要由CSDN通过智能技术生成

博主是opencv初学者，最近研究动态目标识别，然后利用当前帧和起始背景帧的灰度值差，简单实现了动态目标识别跟踪，现在将这个方法分享给大家。

本方法的主要思想在于，在求得两帧的灰度值差后，利用threshold函数，将灰度差值大于阈值的像素一律改为1，小于阈值的改为0。这样得到一个0和1的矩阵，再将此矩阵与当前帧进行点乘，就可将移动的物体提取出来。

需要指出的是，本程序目前只能初步实现此功能，还有很多地方需要完善、优化。

欢迎私信，交流。

import cv2  
import numpy as np
import time
camera=cv2.VideoCapture(0)  
lastframe=None  
while True:  
    ret,frame = camera.read()  
    if not ret:  
        break  
    gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)  #灰度化
    gray=cv2.GaussianBlur(gray,(21,21),0)  #高斯滤波
    if lastframe is None:  
        lastframe=gray  
        continue  
    gray_diff = cv2.absdiff(lastframe,gray)   #求差绝对值
    gray_diff=cv2.threshold(gray_diff,30,1,cv2.THRESH_BINARY)[1]#差值二值化
    gray_new=np.multiply(gray_diff,gray)#矩阵点乘
    gray2=cv2.convertScaleAbs(gray_new,0,1,0)#设置图像深度