#yyds干货盘点#Python图像处理,cv2模块,OpenCV实现目标跟踪
Posted 逻辑教育
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了#yyds干货盘点#Python图像处理,cv2模块,OpenCV实现目标跟踪相关的知识,希望对你有一定的参考价值。
前言
利用Python实现OpenCV目标跟踪。废话不多说。
让我们愉快地开始吧~
开发工具
Python版本: 3.6.4
相关模块:
cv2模块;
以及一些Python自带的模块。
环境搭建
安装Python并添加到环境变量,pip安装需要的相关模块即可。
目标跟踪指的是对视频中的移动目标进行定位的过程。
在如今AI行业有着很多应用场景,比如监控,辅助驾驶等。
帧之间差异
通过计算视频帧之间的差异(即考虑背景帧和其他帧之间的差异),进而实现目标跟踪
代码具体实现
import cv2
# 获取视频
video = cv2.VideoCapture(007.mp4)
# 生成椭圆结构元素
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 4))
# 设置背景帧
background = None
while True:
# 读取视频每一帧
ret, frame = video.read()
# 获取背景帧
if background is None:
# 将视频的第一帧图像转为灰度图
background = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 对灰度图进行高斯模糊,平滑图像
background = cv2.GaussianBlur(background, (21, 21), 0)
continue
# 将视频的每一帧图像转为灰度图
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 对灰度图进行高斯模糊,平滑图像
gray_frame = cv2.GaussianBlur(gray_frame, (21, 21), 0)
# 获取当前帧与背景帧之间的图像差异,得到差分图
diff = cv2.absdiff(background, gray_frame)
# 利用像素点值进行阈值分割,得到一副黑白图像
diff = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1]
# 膨胀图像,减少错误
diff = cv2.dilate(diff, es, iterations=2)
# 得到图像中的目标轮廓
image, cnts, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in cnts:
if cv2.contourArea(c) < 1500:
continue
# 绘制目标矩形框
(x, y, w, h) = cv2.boundingRect(c)
cv2.rectangle(frame, (x+2, y+2), (x+w, y+h), (0, 255, 0), 2)
# 显示检测视频
cv2.namedWindow(contours, 0)
cv2.resizeWindow(contours, 600, 400)
cv2.imshow(contours, frame)
# 显示差异视频
cv2.namedWindow(diff, 0)
cv2.resizeWindow(diff, 600, 400)
cv2.imshow(diff, diff)
if cv2.waitKey(1) & 0xff == ord(q):
break
# 结束
cv2.destroyAllWindows()
video.release()
背景分割器
OpenCV提供一个BackgroundSubtractor的类,可以用于分割视频的前景和背景。
还可以通过机器学习提高背景检测的效果。
有三种背景分割器,分别是KNN,MOG2,GMG,通过相应的算法计算背景分割。
BackgroundSubtractor类可以对不同帧进行比较,并存储以前的帧,可按时间推移来提高运动分析的结果。
还能计算阴影,通过检测阴影,排除检测图像的阴影区域。
代码具体实现
import cv2
# 获取视频
video = cv2.VideoCapture(traffic.flv)
# KNN背景分割器,设置阴影检测
bs = cv2.createBackgroundSubtractorKNN(detectShadows=True)
while True:
# 读取视频每一帧
ret, frame = video.read()
# 计算视频的前景掩码
fgmask = bs.apply(frame)
# 图像阈值化
th = cv2.threshold(fgmask.copy(), 244, 255, cv2.THRESH_BINARY)[1]
# 膨胀图像,减少错误
dilated = cv2.dilate(th, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)), iterations=2)
# 得到图像中的目标轮廓
image, contours, hier = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
if cv2.contourArea(c) > 1600:
# 绘制目标矩形框
(x, y, w, h) = cv2.boundingRect(c)
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 255, 0), 2)
# 显示差异视频
cv2.imshow(mog, fgmask)
# cv2.imshow(thresh, th)
# 显示检测视频
cv2.imshow(detection, frame)
if cv2.waitKey(30) & 0xff == ord(q):
break
video.release()
cv2.destroyAllWindows()
结果如下
以上是关于#yyds干货盘点#Python图像处理,cv2模块,OpenCV实现目标跟踪的主要内容,如果未能解决你的问题,请参考以下文章
#yyds干货盘点#Python图像处理,cv2模块,OpenCV实现边缘检测
#yyds干货盘点#Python图像处理,cv2模块,OpenCV实现目标跟踪
#yyds干货盘点#Python实战案例,CV2模块,Python实现抖音字符视频