python opencv 检测移动物体并截图保存

谁借莪１个温暖的怀抱￠ 2022-05-31 14:47 242阅读 0赞

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"
    
    import cv2
    import time
    
    
    # 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)
    
        if not ret:
            break
        end = time.time()
    
        cv2.imshow("capture", frame)
    
        # 运动检测部分
        seconds = end - start
        if seconds < 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
        if pre_frame is None:
            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)
            for c in contours:
                # 设置敏感度
                # contourArea计算轮廓面积
                if cv2.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
    
         if cv2.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"
    
    import cv2
    import time
    
    
    # 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)
    
        if not ret:
            break
        end = time.time()
    
        # 显示图像
        # cv2.imshow("capture", frame)
    
        # 运动检测部分
        seconds = end - start
        if seconds < 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
        if pre_frame is None:
            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)
            for c in contours:
                # 设置敏感度
                # contourArea计算轮廓面积
                if cv2.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, "now time: {}".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("Frame Delta", img_delta)
    
        if cv2.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()