opencv读取usb摄像头_OpenCV处理视频

背景知识视频教程

OpenCV使用Python进行计算机视觉的完整指南 - 国外课栈​viadean.com

适用于数据科学的Python完整视频课程 - 国外课栈​viadean.com

使用OpenCV和Python Shells的视频分析​viadean.com

使用OpenCV进行球跟踪

目标

• 使用计算机视觉技术检测色球的存在
• 在视频帧中四处移动时跟踪球，并在移动时绘制其先前位置。

让我们开始这个例子。打开一个新文件，将其命名为ball_tracking.py，我们将获得编码：

</>...

我们将使用双端队列（deque），这是一种具有超快附加和弹出功能的列表式数据结构，用于维护视频流中球过去N（x，y）个位置的列表。 保持这样的队列可以使我们在跟踪球时绘制球的“轨迹”。

第9-13行处理解析我们的命令行参数。 第一个开关--video是示例视频文件的（可选）路径。 如果提供了此开关，则OpenCV将获取指向视频文件的指针并从中读取帧。 否则，如果未提供此开关，则OpenCV将尝试访问我们的网络摄像头。

如果这是您第一次运行此脚本，我建议使用--video开关启动：这将向您演示Python脚本的功能，然后您可以根据自己的喜好修改脚本，视频文件和网络摄像头访问权限。

第二个可选参数--buffer是我们的双端队列的最大大小，它维护了我们正在跟踪的球的先前（x，y）坐标的列表。 此双端队列使我们能够绘制球的``轨迹''，详细说明其过去的位置。 较小的队列将导致较短的尾部，而较大的队列将导致较长的尾部（因为将跟踪更多的点）：

图1：左侧的转换轨迹较短（buffer = 32），右侧的转换轨迹较长（buffer = 128）的示例。请注意，随着缓冲区大小的增加，转换轨迹的长度也会增加。

现在，我们的命令行参数已解析完毕，让我们看一些其他代码：

</>...

第17和18行定义了HSV颜色空间中绿色的上下边界（我使用imutils库中的range-detector脚本确定了该边界）。 这些颜色边界将使我们能够检测视频文件中的绿色球。 第19行然后使用提供的最大缓冲区大小（默认为64）初始化pt的双端队列。

我们需要获取对我们的vs指针的访问权限。 如果未提供--video开关，那么我们将获取对网络摄像头的引用（第22和23行）-我们使用imutils.video VideoStream线程类来提高效率。 否则，如果提供了视频文件路径，则我们将其打开以进行读取并在第25行和第26行上获取参考指针（使用内置的cv2.VideoCapture）。

</>...

第30行开始一个循环，直到（1）我们按q键表示我们要终止脚本或（2）我们的视频文件到达末尾并用完帧为止。

第32行调用了相机指针的read方法，该方法返回一个2元组。 元组中的第一个条目是抓取的布尔值，表示是否已成功读取框架。 框架是视频框架本身。 第34行处理VideoStream与VideoCapture的实现。

如果我们正在从视频文件中读取并且无法成功读取帧，那么我们知道我们已经在视频的末尾并且可以从while循环中跳出（第37和38行）。

图2：使用cv2.inRange函数为绿色球生成mask。

如我们所见，我们已成功检测到图像中的绿色球。一系列的腐蚀和膨胀（第48和49行）去除了可能留在mask上的任何小斑点。

好了，是时候计算绿色球的轮廓（即轮廓）并将其绘制在我们的框架上了：

</>...

我们首先在第52和53行上计算图像中对象的轮廓。在下一行中，使该函数与所有版本的OpenCV兼容。 我们还将在第58行将球的中心（x，y）坐标初始化为无。

第57行进行检查以确保在面罩中至少找到一个轮廓。 假设找到了至少一个轮廓，我们在第61行的cnts列表中找到最大轮廓，计算斑点的最小包围圆，然后计算中心的（x，y）坐标（即``质心''）63和64行。

第66行进行了快速检查，以确保最小包围圆的半径足够大。 假设半径通过测试，则我们绘制两个圆：一个围绕球本身，另一个围绕球的质心。第73行将质心附加到pts列表中。

最后一步是绘制球的轨迹，或者只是绘制检测到球的过去N（x，y）坐标。这也是一个简单的过程：

</>...

我们开始在第75行上遍历每个pt。如果当前点或上一个点为None（表明在该给定帧中未成功检测到球），则忽略当前索引继续遍历pts（ 78和79行）。

假设两个点均有效，我们将计算轨迹的厚度，然后将其绘制在框架上（82和83行）。

我们的ball_tracking.py脚本的其余部分只是简单地执行一些基本的整理工作，方法是将边框显示在屏幕上，检测任何按键，然后释放vs指针。

现在我们的脚本已被编码，让我们尝试一下。打开一个终端并执行以下命令：

$ python ball_tracking.py --video ball_tracking_example.mp4

该命令将使用提供的ball_tracking_example.mp4演示视频启动脚本。在下面，您可以找到一些使用OpenCV成功检测和跟踪球的动画GIF：

最后，如果要使用网络摄像头而不是提供的视频文件执行脚本，只需省略--video开关即可：

$ python ball_tracking.py

但是，要查看任何结果，您将需要一个绿色物体，该绿色物体具有与本演示中使用的HSV颜色范围相同的颜色。

写入视频

保存关键事件视频片段

实时全景图和图像拼接

将picamera和cv2.videocapture统一为一个类

跟踪物体移动

源代码

OpenCV处理视频 - 国外课栈​viadean.com