【OpenCV项目实战】目标检测：自动检测出现的所有动态目标

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

importcv2# （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whilecap.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forcontourincontours:(x,y,w,h)=cv2.boundingRect(contour)# 获取矩阵轮廓的宽和高ifcv2.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continuecv2.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MASKframe1=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。ifframe2isNone: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。ifcv2.waitKey(50)==ord(' '):# ord(' '): 按空格结束breakcap.release()# 释放摄像头cv2.destroyAllWindows()# 摧毁所有图窗