检测移动目标

检测移动的目标

1、差分图法

1、对图像进行去噪处理：因为每个输入的视频都会因为自然振动，光照变化或者摄像头本身的原因而产生噪声，对噪声进行平滑是为了避免在运动和跟踪时将其检测出来，

2、以第一帧为背景，计算帧与帧之间的差异，（差分图）。cv2.absdiff（）

3、对差分图进行二值化处理，转化为黑白图像，cv2.threshold()

                                  

4、膨胀处理，对有孔和缺陷的图像进行归一化处理

                                                                

5、找出轮廓（白色斑点），并在原图中画出轮廓对应的位置

代码如下：

import cv2
import numpy as np

camera = cv2.VideoCapture("../images/camera3.flv")

es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(9,4))
kernel = np.ones((5,5),np.uint8)

background = None

while True:
    ret,frame = camera.read()

    # 将第一针画面设为背景
    if background is None:
        background = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        background = cv2.GaussianBlur(background,(21,21),0)
        continue

    gray_frame = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    gray_frame = cv2.GaussianBlur(gray_frame,(21,21),0)

    # 计算背景和帧之间的差异
    diff = cv2.absdiff(background,gray_frame)
    diff = cv2.threshold(diff,25,255,cv2.THRESH_BINARY)[1]
    diff = cv2.dilate(diff,es,iterations=5)
    img,cnts,hie = cv2.findContours(diff.copy(),
                                    cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

    for c in cnts:
        if cv2.contourArea(c) < 1500:
            continue

        x,y,w,h = cv2.boundingRect(c)
        cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)

    cv2.imshow("contours",frame)
    cv2.imshow("diff",diff)
    if cv2.waitKey(1) != -1:
        break

cv2.destroyAllWindows()
camera.release()

2、MOG2背景分割器

opencv提供一个称为BackgroundSubtractor的类，非常便于分割前景和背景。他是一个功能齐全的类，该类不仅执行背景分割，而且能够通过机器学习的方法提高背景检测的效果，并且提供分类结果保存到文件的功能。包括KNN，MOG2，GMG。

BackgroundSubtractor类是专门用于视频分析的，该类会对视频的每一帧进行学习，可以按时间推移的方法提高运动分析的结果。

另一个基本特征是可以计算阴影，这对于精确读取视频是非常重要的，通过检测阴影，可以排除图像的阴影区域，从而关注实际特征，这就很少出现合并不需要对象的情况。阴影检测并非绝对完美，但是有助于将目标轮廓按原始形状进行还原。

import cv2
import numpy as np

cap = cv2.VideoCapture("../images/camera3.flv")
mog = cv2.createBackgroundSubtractorKNN(detectShadows=True)

while True:
    ret,frame = cap.read()
    # 可以理解为差分图
    fgmask = mog.apply(frame)
    cv2.imshow("frame",fgmask)
    if cv2.waitKey(1) != -1:
        break

cap.release()
cv2.destroyAllWindows()

3、KNN实现运动检测（与mog2类似）

knn  ---》   二值化处理   ---》   膨胀（改善缺陷）   ---》   画出轮廓

代码如下：

import cv2
import numpy as np

knn = cv2.createBackgroundSubtractorKNN(detectShadows=True)
cap = cv2.VideoCapture("../images/camera1.avi")

while True:
    ret,frame = cap.read()
    fgmask= knn.apply(frame)
    th = cv2.threshold(fgmask.copy(), 0, 255, cv2.THRESH_BINARY)[1]
    dilated = cv2.dilate(fgmask,
                         cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3)),
                         iterations= 2)
    img,cnts,hie = cv2.findContours(dilated.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

    for c in cnts:
        if cv2.contourArea(c) < 1500:
            continue

        x,y,w,h = cv2.boundingRect(c)
        cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)

    cv2.imshow("knn-detect",frame)
    cv2.imshow("mask",fgmask)
    cv2.imshow("thresh",th)
    if cv2.waitKey(1) != -1:
        break

cap.release()
cv2.destroyAllWindows()