使用python與opencv怎么實現(xiàn)一個運動檢測器功能?很多新手對此不是很清楚,為了幫助大家解決這個難題,下面小編將為大家詳細講解,有這方面需求的人可以來學習下,希望你能有所收獲。
在吉安等地區(qū),都構建了全面的區(qū)域性戰(zhàn)略布局,加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力,以專注、極致的服務理念,為客戶提供網(wǎng)站建設、做網(wǎng)站 網(wǎng)站設計制作按需定制開發(fā),公司網(wǎng)站建設,企業(yè)網(wǎng)站建設,品牌網(wǎng)站設計,全網(wǎng)整合營銷推廣,外貿(mào)網(wǎng)站建設,吉安網(wǎng)站建設費用合理。Python主要應用于:1、Web開發(fā);2、數(shù)據(jù)科學研究;3、網(wǎng)絡爬蟲;4、嵌入式應用開發(fā);5、游戲開發(fā);6、桌面應用開發(fā)。
import pandas firstframe = None status = [None,None] df = pandas.DataFrame(columns=["start","end"]) cap = cv2.VideoCapture(1) while True: check,colorframe = cap.read() status = 0 gray = cv2.cvtColor(colorframe,cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray,(21,21),0) #高斯模糊去除噪聲 if firstframe is None: firstframe = gray continue #捕獲第一個灰度幀 得到第一幀后不進行后續(xù)處理 delta_frame = cv2.absdiff(firstframe,gray) # ,我們需要找出第一幀和當前幀之間的區(qū)別。因此,我們使用absdiff函數(shù)并將得到的結果稱為delta幀。對于我們的用例來說,僅僅找到一個差異是不夠的,所以我們需要定義一個像素閾值,它可以被視為真實的對象。我們可以選擇30像素作為標準閾值,并將標準閾值的顏色定義為白色(顏色代碼:255). 二元閾值函數(shù)THRESH_BINARY返回一個元組值,其中只有第二項([0]是第一項,[1]是第二項)包含生成的閾值幀。二元閾值函數(shù)用于處理含有2個離散值的非連續(xù)函數(shù):如0或1。如果攝影機前面沒有對象,我們將當前幀的狀態(tài)視為0;如果攝影機前面存在對象,則將當前幀的狀態(tài)視為1。 thresh_frame = cv2.threshold(delta_frame,30,255,cv2.THRESH_BINARY)[1] thresh_frame = cv2.dilate(thresh_frame,None,iterations=3) # 在膨脹函數(shù)Dilate中,我們可以通過設置迭代次數(shù)來設置平滑度。迭代次數(shù)越多,平滑度越高,處理時間也就越長。因此,建議保持標準化設置為3。膨脹函數(shù)中的“None”參數(shù)表示我們的應用中不需要元素結構。 #聲明元組的語法 (cnts,_) (cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) for contours in cnts : if cv2.contourArea(contours) < 10000: continue if cv2.contourArea(contours) < 20000: status = 1 (x,y,w,h) = cv2.boundingRect(contours) cv2.rectangle(colorframe,(x,y),(x+w,y+h),(0,0,255),3) cv2.imshow("cc",colorframe) key = cv2.waitKey(1) if key == ord('q'): break
看完上述內(nèi)容是否對您有幫助呢?如果還想對相關知識有進一步的了解或閱讀更多相關文章,請關注創(chuàng)新互聯(lián)行業(yè)資訊頻道,感謝您對創(chuàng)新互聯(lián)網(wǎng)站建設公司,的支持。