python opencv 检测移动物体并截图保存实例
最近在老家找工作,无奈老家工作真心太少,也没什么面试机会,不过之前面试一家公司,提了一个有意思的需求,检测河面没有有什么船只之类的物体,我当时第一反应是用opencv做识别,不过回家想想,河面相对的东西比较少,画面比较单一,只需要检测有没有移动的物体不就简单很多嘛,如果做街道垃圾检测的话可能就很复杂了,毕竟街道上行人,车辆,动物,很多干扰物,于是就花了一个小时写了一个小的demo,只需在程序同级目录创建一个img目录就可以了
#-*-coding:utf-8-*- __author__="ZJL" importcv2 importtime #保存截图 save_path='./img/' #定义摄像头对象,其参数0表示第一个摄像头 camera=cv2.VideoCapture(0) #判断视频是否打开 if(camera.isOpened()): print('Open') else: print('摄像头未打开') #测试用,查看视频size size=(int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)), int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))) print('size:'+repr(size)) #帧率 fps=5 #总是取前一帧做为背景(不用考虑环境影响) pre_frame=None while(1): start=time.time() #读取视频流 ret,frame=camera.read() #转灰度图 gray_lwpCV=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) ifnotret: break end=time.time() cv2.imshow("capture",frame) #运动检测部分 seconds=end-start ifseconds<1.0/fps: time.sleep(1.0/fps-seconds) gray_lwpCV=cv2.resize(gray_lwpCV,(500,500)) #用高斯滤波进行模糊处理 gray_lwpCV=cv2.GaussianBlur(gray_lwpCV,(21,21),0) #如果没有背景图像就将当前帧当作背景图片 ifpre_frameisNone: pre_frame=gray_lwpCV else: #absdiff把两幅图的差的绝对值输出到另一幅图上面来 img_delta=cv2.absdiff(pre_frame,gray_lwpCV) #threshold阈值函数(原图像应该是灰度图,对像素值进行分类的阈值,当像素值高于(有时是小于)阈值时应该被赋予的新的像素值,阈值方法) thresh=cv2.threshold(img_delta,25,255,cv2.THRESH_BINARY)[1] #膨胀图像 thresh=cv2.dilate(thresh,None,iterations=2) #findContours检测物体轮廓(寻找轮廓的图像,轮廓的检索模式,轮廓的近似办法) image,contours,hierarchy=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) forcincontours: #设置敏感度 #contourArea计算轮廓面积 ifcv2.contourArea(c)<1000: continue else: print("出现目标物,请求核实") #保存图像 cv2.imwrite(save_path+str(time.strftime('%Y-%m-%d%H:%M:%S',time.localtime(time.time())))+'.jpg',frame) break pre_frame=gray_lwpCV ifcv2.waitKey(1)&0xFF==ord('q'): break #release()释放摄像头 camera.release() #destroyAllWindows()关闭所有图像窗口 cv2.destroyAllWindows()
想出现一个矩形框跟随移动物于是进行了改造,结果发现效果不是很理想,不能很好的框住移动目标,要么只框一部分,要么出现在移动目标附近,尴尬
#-*-coding:utf-8-*- __author__="ZJL" importcv2 importtime #保存截图 save_path='./img/' #定义摄像头对象,其参数0表示第一个摄像头 camera=cv2.VideoCapture(0) #判断视频是否打开 if(camera.isOpened()): print('Open') else: print('摄像头未打开') #测试用,查看视频size size=(int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)), int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))) print('size:'+repr(size)) #帧率 fps=5 #总是取前一帧做为背景(不用考虑环境影响) pre_frame=None while(1): start=time.time() #读取视频流 ret,frame=camera.read() #转灰度图 gray_lwpCV=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) ifnotret: break end=time.time() #显示图像 #cv2.imshow("capture",frame) #运动检测部分 seconds=end-start ifseconds<1.0/fps: time.sleep(1.0/fps-seconds) gray_lwpCV=cv2.resize(gray_lwpCV,(500,500)) #用高斯滤波进行模糊处理 gray_lwpCV=cv2.GaussianBlur(gray_lwpCV,(21,21),0) #如果没有背景图像就将当前帧当作背景图片 ifpre_frameisNone: pre_frame=gray_lwpCV else: #absdiff把两幅图的差的绝对值输出到另一幅图上面来 img_delta=cv2.absdiff(pre_frame,gray_lwpCV) #threshold阈值函数(原图像应该是灰度图,对像素值进行分类的阈值,当像素值高于(有时是小于)阈值时应该被赋予的新的像素值,阈值方法) thresh=cv2.threshold(img_delta,25,255,cv2.THRESH_BINARY)[1] #膨胀图像 thresh=cv2.dilate(thresh,None,iterations=2) #findContours检测物体轮廓(寻找轮廓的图像,轮廓的检索模式,轮廓的近似办法) image,contours,hierarchy=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) forcincontours: #设置敏感度 #contourArea计算轮廓面积 ifcv2.contourArea(c)<1000: continue else: #画出矩形框架,返回值x,y是矩阵左上点的坐标,w,h是矩阵的宽和高 (x,y,w,h)=cv2.boundingRect(c) #rectangle(原图,(x,y)是矩阵的左上点坐标,(x+w,y+h)是矩阵的右下点坐标,(0,255,0)是画线对应的rgb颜色,2是所画的线的宽度) cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2) #putText图片中加入文字 cv2.putText(frame,"nowtime:{}".format(str(time.strftime('%Y-%m-%d%H:%M:%S',time.localtime(time.time())))),(10,20), cv2.FONT_HERSHEY_SIMPLEX,0.5,(0,0,255),2) print("出现目标物,请求核实") #保存图像 cv2.imwrite(save_path+str(time.strftime('%Y-%m-%d%H:%M:%S',time.localtime(time.time())))+'.jpg',frame) break pre_frame=gray_lwpCV #显示图像 cv2.imshow("capture",frame) #cv2.imshow("Thresh",thresh) #进行阀值化来显示图片中像素强度值有显著变化的区域的画面 cv2.imshow("FrameDelta",img_delta) ifcv2.waitKey(1)&0xFF==ord('q'): break #release()释放摄像头 camera.release() #destroyAllWindows()关闭所有图像窗口 cv2.destroyAllWindows()
补充知识:基于python使用opencv监测视频指定区域是否有物体移动
缘由:车停车位,早上看到右后轮有很明显的干了的水渍,前一天下雨,车身其他位置没有如此显眼的水渍,不可能是前天雨水的水渍,仔细一看,从油箱盖一直往下,很明显,有某个X德的人故意尿在车上的,找物业拿到视频监控文件,自己看太费时间,于是。。。
思路:读取视频的关键帧,对比指定区域的数据,如果变化较大(排除环境光线变化),则有物体移动,截取当前帧保存备用。
行动:对于python处理视频不了解,找来找去,找到opencv,符合需求。
原来是个熊孩子小学生,上楼就到家了,这爹妈教也没管教说不能随地大小便么。
代码如下:
#!/usr/bin/envpython #coding:utf-8 #@author:sSWans #@file:main.py #@time:2018/1/1115:54 importos importrandom from_datetimeimportdatetime importcv2 path='F:\\111' #遍历目录下的视频文件 defget_files(fpath): files_list=[] foriinos.listdir(fpath): files_list.append(os.path.join(fpath,i)) returnfiles_list #视频处理 defprocess(file,fname): #camera=cv2.VideoCapture(0)#参数0表示第一个摄像头 camera=cv2.VideoCapture(file) #参数设置,监测矩形区域 rectangleX=880#矩形最左点x坐标 rectangleXCols=0#矩形x轴上的长度 rectangleY=650#矩形最上点y坐标 rectangleYCols=100#矩形y轴上的长度 KeyFrame=17#取关键帧的间隔数,根据视频的帧率设置,我的视频是16FPS counter=1#取帧计数器 pre_frame=None#总是取视频流前一帧做为背景相对下一帧进行比较 #判断视频是否打开 ifnotcamera.isOpened(): print('视频文件打开失败!') width=int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)) height=int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)) print('视频尺寸(高,宽):',height,width) ifrectangleXCols==0: rectangleXCols=width-rectangleX ifrectangleYCols==0: rectangleYCols=height-rectangleY start_time=datetime.now() print('{}开始处理文件:{}'.format(start_time.strftime('%H:%M:%S'),fname)) whileTrue: grabbed,frame_lwpCV=camera.read()#读取视频流 ifgrabbed: ifcounter%KeyFrame==0: #ifnotgrabbed: #print('{}完成处理文件:{}。。。'.format(datetime.now().strftime('%H:%M:%S'),fname)) #break gray_lwpCV=cv2.cvtColor(frame_lwpCV,cv2.COLOR_BGR2GRAY)#转灰度图 gray_lwpCV=gray_lwpCV[rectangleY:rectangleY+rectangleYCols,rectangleX:rectangleX+rectangleXCols] lwpCV_box=cv2.rectangle(frame_lwpCV,(rectangleX,rectangleY), (rectangleX+rectangleXCols,rectangleY+rectangleYCols),(0,255,0), 2)#用绿色矩形框显示监测区域 #cv2.imshow('lwpCVWindow',frame_lwpCV)#显示视频播放窗口,开启消耗时间大概是3倍 gray_lwpCV=cv2.GaussianBlur(gray_lwpCV,(21,21),0) ifpre_frameisNone: pre_frame=gray_lwpCV else: img_delta=cv2.absdiff(pre_frame,gray_lwpCV) thresh=cv2.threshold(img_delta,25,255,cv2.THRESH_BINARY)[1] thresh=cv2.dilate(thresh,None,iterations=2) image,contours,hierarchy=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) forxincontours: ifcv2.contourArea(x)<1000:#设置敏感度 continue else: cv2.imwrite( 'image/'+fname+'_'+datetime.now().strftime('%H%M%S')+'_'+str( random.randrange(0,9999))+'.jpg', frame_lwpCV) #print("监测到移动物体。。。",datetime.now().strftime('%H:%M:%S')) break pre_frame=gray_lwpCV counter+=1 key=cv2.waitKey(1)&0xFF ifkey==ord('q'): break else: end_time=datetime.now() print('{}完成处理文件:{}耗时:{}'.format(end_time.strftime('%H:%M:%S'),fname,end_time-start_time)) break camera.release() #cv2.destroyAllWindows()#与上面的imshow对应 forfileinget_files(path): fname=file.split('\\')[-1].replace('.mp4','') process(file,fname)
以上这篇pythonopencv检测移动物体并截图保存实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。