python图像差分法目标检测_运动目标检测(2)—帧间差分法

帧差法依据的原则是：当视频中存在移动物体的时候，相邻帧(或相邻三帧)之间在灰度上会有差别，求取两帧图像灰度差的绝对值，则静止的物体在差值图像上表现出来全是0，而移动物体特别是移动物体的轮廓处由于存在灰度变化为非0，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。 帧间差分法的优点是算法实现简单，程序设计复杂度低；对光线等场景变化不太敏感，能够适应各种动态环境，有着比较强的鲁棒性。缺点是不能提取出对象的完整区域，对象内部有“空洞”，只能提取出边界，边界轮廓比较粗，往往比实际物体要大。对快速运动的物体，容易出现鬼影的现象，甚至会被检测为两个不同的运动物体，对慢速运动的物体，当物体在前后两帧中几乎完全重叠时，则检测不到物体。故该方法一般适用于简单的实时运动检测的情况。 这里介绍二帧法和三帧法的实现。

2. 相邻帧间差分法

相邻帧间差分法直接对相邻的两帧图像做差分运算，并取差分运算的绝对值构成移动物体，优点是运算快速，实时性高，缺点是无法应对光照的突变，物体间一般具有空洞。

代码实现如下：

# 导入必要的软件包

import cv2

# 视频文件输入初始化

filename = "E:/opencv_vs/opencv/sources/samples/data/vtest.avi"

camera = cv2.VideoCapture(filename)

# 视频文件输出参数设置

out_fps = 12.0 # 输出文件的帧率

fourcc = cv2.VideoWriter_fourcc('M', 'P', '4', '2')

out1 = cv2.VideoWriter('E:/video/v1.avi', fourcc, out_fps, (500, 400))

out2 = cv2.VideoWriter('E:/video/v2.avi', fourcc, out_fps, (500, 400))

# 初始化当前帧的前帧

lastFrame = None

# 遍历视频的每一帧

while camera.isOpened():

# 读取下一帧

(ret, frame) = camera.read()

# 如