【原】基于OpenCV實戰(zhàn)：動態(tài)物體檢測

小白學視覺 2021-04-25

展開全文

重磅干貨,，第一時間送達

最近,，閉路電視安全系統(tǒng)運行著多種算法來確保安全,，例如面部識別,，物體檢測,，盜竊檢測,，火災警報等,。我們在運動檢測的基礎上實現(xiàn)了許多算法，因為在空閑幀上運行所有這些進程沒有任何意義,。在本文中,，我們將討論實現(xiàn)基于運動檢測的視頻保存,。

安裝依賴庫

OpenCV：pip install opencv-python

基本動作檢測

在這里,，我們將討論代碼和對如何在后臺工作的基本理解。在計算機視覺中，我們把運動看作是環(huán)境的變化,。為了計算轉換,，我們必須有一個背景圖像來比較。所以,，我們在程序的開頭保存第一個圖像,。

# Converting the image to GrayScalegray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray,(21,21),0)# Saving the First Frameif first_frame is None: first_frame = gray continue

然后，我們將后續(xù)幀與保存的第一幀進行比較,，以觀察差異,。計算完差異后，我們可以應用閾值將其轉換為黑白圖像,。

#Calculates difference to detect motiondelta_frame = cv2.absdiff(first_frame, gray)#Applies Threshold and converts it to black & white imagethresh_delta = cv2.threshold(delta_frame, 30, 255, cv2.THRESH_BINARY)[1]thresh_delta = cv2.dilate(thresh_delta, None, iterations=0)#finding contours on the white portion(made by the threshold)cnts,_ = cv2.findContours(thresh_delta.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

最后一個命令在該黑白圖像中查找輪廓,，并給出用于創(chuàng)建邊界框的坐標，如上面的視頻所示,。使用運動檢測的好處：

它不會保存無用的空閑鏡頭,。因此，減少了其他算法的工作量,，因為不會保存空閑幀進行處理,。
它需要較少的計算，并且適合實時實施,。

阻礙與解決方案

給定的因素導致輪廓檢測不理想,，運動檢測的幼稚方法會在執(zhí)行開始時為所有比較保存第一幀。不好有幾個原因：

白天的照明條件可能會改變,。
天氣變化,。
執(zhí)行時相機被遮擋。

解決方案：在沒有運動的情況下,，可以通過定期定期更新保存的幀來輕松解決此問題,。

# Number of idle frames to pass before changing the saved frame # for further comparisionsFRAMES_TO_PERSIST = 1000

然后將其放在while循環(huán)中：

#increment delay counter for every idle framedelay_counter += 1#Update the saved first frameif delay_counter > FRAMES_TO_PERSIST: delay_counter = 0 first_frame = next_frame

當檢測到運動時，將delay_counter設置為零,，微小的物體（例如蜜蜂和昆蟲）和通常不必要的輕微不必要的運動被存儲起來,。解決方案：如片段所示，我們應該在該區(qū)域設置一個閾值,。

# Minimum boxed area(in pixels) for a detected motion to count as actual motion# Use to filter out noise or small objectsMIN_SIZE_FOR_MOVEMENT = 2000

然后在while循環(huán)中放置一個if語句：

#Checks if the area is big enough to be considered as motion.if cv2.contourArea(c) > MIN_SIZE_FOR_MOVEMENT: #Your code

各種平臺上的基準:

所有這些都是針對同一視頻（30-fps,，1280x720）計算的。