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。