opencv检测动态物体

  哈喽,大家好呀,这里是滑稽研究所。之前我在超市看到当有物体经过时,监控的屏幕边缘会出现绿框。感觉蛮有意思的。来用opencv试试能不能实现类似的效果。
  我采用的检测动态物体的方法是,比较前后两帧图像,即当前画面与上一帧的画面出现了不同。我们把两帧画面进行比较。然后框选出运动的物体。我们还希望程序可以判断当前窗口到底有没有物体在运动。那么我们就需要添加一个状态。为了方便我们找到什么时间有物体移动,我打印出时间。
  当我们的程序检测到移动的物体时,会捕捉到它的轮廓,添加一个外接整矩形框,返回x,y的坐标。当不返回坐标时,则意味着没有物体运动,我们通过坐标值来是否有物体移动。并打印出当时的本地时间。

  源代码:

import cv2
import time
import numpy as np

def videos():
    cap = cv2.VideoCapture(1)
    #不设置是默认640*480,我们这里设置出来
    cap.set(3, 640)
    cap.set(4, 480)

    img_num = 0
    k = np.ones((3, 3), np.uint8)

    while 
  • 27
    点赞
  • 140
    收藏
    觉得还不错? 一键收藏
  • 23
    评论
Python中的OpenCV库可以通过使用计算机视觉技术来实现动态物体检测和跟踪。具体步骤如下: 1.导入必要的库: 首先,导入必要的Python库和OpenCV库。 import cv2 import numpy as np 2.初始化摄像头: 创建VideoCapture对象来读取视频或图像。这可以是连接到计算机的摄像头或加载的视频文件。 cap = cv2.VideoCapture(0) 3.设置背景图像: 通过读取一些帧来设置背景图像,可以考虑使用静态场景的参考。 _, background = cap.read() 4.捕捉动态物体: 在一个while循环中,读取视频的每一帧并对其进行处理。首先,要检测动态物体,需要计算背景差异。通过对背景图像和当前帧之间的差异进行阈值处理,从而检测图像中的物体。 _, frame = cap.read() diff = cv2.absdiff(background, frame) gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) _, thresh = cv2.threshold(blur, 20, 255, cv2.THRESH_BINARY) dilated = cv2.dilate(thresh, None, iterations=3) contours, _ = cv2.findContours(dilated, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 5.绘制轮廓: 找到轮廓后,可以绘制矩形或圆形框来标识动态物体。 for contour in contours: (x, y, w, h) = cv2.boundingRect(contour) cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) 6.显示结果: 通过显示每一帧的结果来实现动态物体的实时检测。 cv2.imshow("Dynamic Object Detection", frame) 7.释放资源: 在完成操作之后,释放资源并关闭窗口。 cap.release() cv2.destroyAllWindows() 通过以上步骤,我们可以利用PythonOpenCV实现动态物体检测和跟踪。可以根据具体需求进行进一步的优化和改进。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 23
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