Opencv项目实战目标检测：自动检测出现的所有动态目标

Posted 2023-03-05 胖墩会武术

文章目录

• 一、项目思路
• 二、算法详解
• • 2.1、计算两个数组或数组与标量之间的每个元素的绝对差。
  • 2.2、轮廓检测 + 绘制物体轮廓 + 绘制矩阵轮廓
  • 2.3、连续窗口显示
  • 2.4、读取视频，显示视频，保存视频
• 三、项目实战：实时动态目标检测

实时动态目标检测

一、项目思路

1、获取视频、读取帧图像
2、计算连续两张图像的像素绝对差获取动态目标
3、图像预处理：灰度图、高斯模糊、二值化、膨胀
4、轮廓检测、绘制矩阵轮廓、绘制物体轮廓
5、分别实时显示矩阵轮廓、物体轮廓

python进阶——人工智能实时目标跟踪

二、算法详解

2.1、计算两个数组或数组与标量之间的每个元素的绝对差。

函数说明：cv2.absdiff(src1, src2)
输入参数：
			src1：第一个输入数组或标量
			src2：第二个输入数组或标量

2.2、轮廓检测 + 绘制物体轮廓 + 绘制矩阵轮廓

######################################################################
# （1）轮廓检测：contours, hierarchy = cv2.findContours(img, mode, method)
# 输入参数      mode: 轮廓检索模式
#                   （1）RETR_EXTERNAL：  只检索最外面的轮廓；
#                   （2）RETR_LIST：      检索所有的轮廓，但检测的轮廓不建立等级关系，将其保存到一条链表当中，
#                   （3）RETR_CCOMP：     检索所有的轮廓，并建立两个等级的轮廓。顶层是各部分的外部边界，内层是的边界信息;
#                   （4）RETR_TREE：      检索所有的轮廓，并建立一个等级树结构的轮廓;（最常用）
#               method: 轮廓逼近方法
#                   （1）CHAIN_APPROX_NONE：      存储所有的轮廓点，相邻的两个点的像素位置差不超过1。               例如：矩阵的四条边。（最常用）
#                   （2）CHAIN_APPROX_SIMPLE:     压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标。   例如：矩形的4个轮廓点。
# 输出参数      contours：所有的轮廓
#               hierarchy：每条轮廓对应的属性
# 备注0：轮廓就是将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。
# 备注1：函数输入图像是二值图，即黑白的（不是灰度图）。所以读取的图像要先转成灰度的，再转成二值图。
# 备注2：函数在opencv2只返回两个值：contours, hierarchy。
# 备注3：函数在opencv3会返回三个值：img, countours, hierarchy
######################################################################
# （2）绘制轮廓：v2.drawContours(image, contours, contourIdx, color, thickness) ———— (在图像上)画出图像的轮廓
# 输入参数        image:              需要绘制轮廓的目标图像，注意会改变原图
#                 contours:           轮廓点，上述函数cv2.findContours()的第一个返回值
#                 contourIdx:         轮廓的索引，表示绘制第几个轮廓。-1表示绘制所有的轮廓
#                 color:              绘制轮廓的颜色(RGB)
#                 thickness:          （可选参数）轮廓线的宽度，-1表示填充
# 备注：图像需要先复制一份copy(), 否则（赋值操作的图像）与原图会随之一起改变。
######################################################################
# （3）绘制矩形边框:cv2.rectangle(img, (x, y), (x+w, y+h), color, thickness)
#       (x, y)：         矩形定点
#       (x+w, y+h)：     矩形的宽高
#       color：      	 矩形的边框颜色(0, 255, 0)
#       thickness：      矩形边框宽度
######################################################################

2.3、连续窗口显示

# 显示图像：cv2.imshow(window_title, img)
# 输入参数		window_title：		自定义窗口的名字
#     			img：				待显示图像
# 备注1：窗口会自适应图像大小
# 备注2：指定多个窗口名称，可以显示多幅图像
# 备注3：显示多幅图像的时候，若cv2.imshow()指定相同的窗口名，这样后面显示的图像会覆盖前面的图像，从而只产生一个（连续）窗口。

2.4、读取视频，显示视频，保存视频

OpenCV—读取视频，显示视频，保存视频

---

三、项目实战：实时动态目标检测

import cv2

# （1）参数设置
Pixel_points = 500  # 像素点数（只检测大于该值的目标，小于该值的目标自动忽略）
video_path = r'C:\\Users\\my\\Videos\\car.mov'  # 视频存放地址（路径中不能有中文，将导致读取失败。）

if __name__ == '__main__':
    # （2）读取视频
    cap = cv2.VideoCapture(video_path)      # 读取视频流
    _, frame1 = cap.read()                  # 读取第一帧
    _, frame2 = cap.read()                  # 读取第二帧

    while cap.isOpened():  # 检测视频是否可以打开
        # （3）图像预处理
        diff = cv2.absdiff(frame1, frame2)                              # 计算两张图像之间的每个像素的绝对差
        gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)                   # 灰度图
        blur = cv2.GaussianBlur(gray, (5, 5), 0)                        # 高斯滤波
        _, thresh = cv2.threshold(blur, 20, 255, cv2.THRESH_BINARY)     # 二值化
        mask = cv2.dilate(thresh, None, iterations=3)                   # 膨胀操作

        contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  # 轮廓检测
        # （4）轮廓检测
        for contour in contours:
            (x, y, w, h) = cv2.boundingRect(contour)        # 获取矩阵轮廓的宽和高
            if cv2.contourArea(contour) < Pixel_points:     # 判断检测得到的矩形轮廓，体积是否满足大小设置
                continue
            cv2.rectangle(frame1, pt1=(int(x), int(y)), pt2=(int(x) + int(w), int(y) + int(h)), color=(0, 0, 255), thickness=10)      # 绘制矩形轮廓
            # cv2.drawContours(frame1, contours, -1, (0, 255, 0), 2)															# 绘制物体轮廓

        # （5）绘图
        cv2.imshow('frame', frame1)         # 实时显示轮廓图Frame
        # cv2.imshow('mask', mask)			# 实时显示掩膜图MASK
        frame1 = frame2                     # 保存当前帧（循环-计算最近的两帧图像的像素差）
        ret, frame2 = cap.read()            # 读取下一帧（循环-计算最近的两帧图像的像素差）

        # （6）如果读到的帧数不为空，则继续读取；如果为空，则退出。
        if frame2 is None:
            break

        # （7）使用 waitKey 可以控制视频的播放速度。数值越小，播放速度越快。
        if cv2.waitKey(50) == ord(' '):  # ord(' '): 按空格结束
            break

    cap.release()            # 释放摄像头
    cv2.destroyAllWindows()  # 摧毁所有图窗