python_opencv 运动检测视频处理

本文分享了一段使用Python和OpenCV进行基本运动检测的代码实现,作者在实现过程中遇到了问题,通过扩展和调试解决了这些问题,并详细记录了解决过程,可供参考。
摘要由CSDN通过智能技术生成

本文代码是做一个基本的运动检测

借鉴别人的代码并做了小小的扩展,实现了自己需要的功能,并将实现过程中遇到的问题及解决办法做了总结,特此分享给大家,

代码如下:

import cv2
import numpy as np
import os
import os.path

list1 = []
rootdir = r"E:\VideoCapture"  #视频文件夹路径
for filenames in os.walk(rootdir):

    for filename in filenames[-1]: #获取文件名称
        list1.append(filename)


for i in list1:
    url_video = 'E:\\VideoCapture\\' + str(i) #源视频文件路径
    print url_video
    camera = cv2.VideoCapture(url_video) # 参数0表示第一个摄像头
    # 判断视频是否打开
    if (camera.isOpened()):
        print('Open')
    else:
        print('摄像头未打开')


    # 测试用,查看视频size
    size = (int(camera.get(cv2.cv.CV_CAP_PROP_FRAME_WIDTH)),
            int(camera.get(cv2.cv.CV_CAP_PROP_FRAME_HEIGHT)))
    print('size:'+repr(size))


    es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 
  • 6
    点赞
  • 43
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,您想了解关于稀疏光流在 Python OpenCV 中的应用和使用方法是吗?那么我可以简单地为您介绍一下。 稀疏光流是一种计算图像中像素运动的方法,它可以通过检测两个连续帧之间的像素强度变化来计算像素的运动向量。Python OpenCV提供了实现稀疏光流的函数 cv2.calcOpticalFlowPyrLK()。 以下是一个简单的示例代码,演示了如何使用稀疏光流来计算两个连续帧之间的像素运动: ``` import cv2 # 读取两个连续帧 frame1 = cv2.imread('frame1.jpg') frame2 = cv2.imread('frame2.jpg') # 转换为灰度图像 gray1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY) # 设置参数 lk_params = dict(winSize=(15, 15), maxLevel=2, criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03)) # 获取关键点 p0 = cv2.goodFeaturesToTrack(gray1, mask=None, maxCorners=100, qualityLevel=0.3, minDistance=7) # 计算光流 p1, st, err = cv2.calcOpticalFlowPyrLK(gray1, gray2, p0, None, **lk_params) # 选择好的点 good_new = p1[st == 1] good_old = p0[st == 1] # 绘制运动向量 for i, (new, old) in enumerate(zip(good_new, good_old)): a, b = new.ravel() c, d = old.ravel() frame1 = cv2.circle(frame1, (a, b), 5, (0, 255, 0), -1) frame1 = cv2.line(frame1, (a, b), (c, d), (255, 0, 0), 2) # 显示结果 cv2.imshow('frame', frame1) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述示例代码中,我们首先读取了两个连续帧,然后将它们转换为灰度图像。接下来,我们使用 cv2.goodFeaturesToTrack() 函数获取了第一帧中的关键点,并将这些关键点作为稀疏光流的输入。然后,我们使用 cv2.calcOpticalFlowPyrLK() 函数计算了两个连续帧之间的稀疏光流。最后,我们选择好的点,并使用 cv2.circle() 和 cv2.line() 函数绘制了运动向量。 希望这个简单的示例代码可以帮助您更好地理解稀疏光流在 Python OpenCV 中的应用和使用方法。
评论
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