照著一個(gè)示例跑，目標(biāo)本是捕獲進(jìn)入攝像頭的第一幀然后會(huì)一直追蹤這一個(gè)物體，如果出現(xiàn)的話會(huì)框出來(lái)，但是不知道什么原因，第一個(gè)框出來(lái)之后移動(dòng)到別的地方還是會(huì)框別的東西，然后攝像頭打開(kāi)幾秒就自動(dòng)停止了還報(bào)錯(cuò)

import pandasfirstframe = Nonestatus = [None,None]df = pandas.DataFrame(columns=['start','end'])cap = cv2.VideoCapture(1)while True: check,colorframe = cap.read() status = 0 gray = cv2.cvtColor(colorframe,cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray,(21,21),0) #高斯模糊去除噪聲 if firstframe is None: firstframe = gray continue #捕獲第一個(gè)灰度幀 得到第一幀后不進(jìn)行后續(xù)處理 delta_frame = cv2.absdiff(firstframe,gray) # ，我們需要找出第一幀和當(dāng)前幀之間的區(qū)別。因此，我們使用absdiff函數(shù)并將得到的結(jié)果稱為delta幀。對(duì)于我們的用例來(lái)說(shuō)，僅僅找到一個(gè)差異是不夠的，所以我們需要定義一個(gè)像素閾值，它可以被視為真實(shí)的對(duì)象。我們可以選擇30像素作為標(biāo)準(zhǔn)閾值，并將標(biāo)準(zhǔn)閾值的顏色定義為白色（顏色代碼：255). 二元閾值函數(shù)THRESH_BINARY返回一個(gè)元組值，其中只有第二項(xiàng)（[0]是第一項(xiàng)，[1]是第二項(xiàng)）包含生成的閾值幀。二元閾值函數(shù)用于處理含有2個(gè)離散值的非連續(xù)函數(shù)：如0或1。如果攝影機(jī)前面沒(méi)有對(duì)象，我們將當(dāng)前幀的狀態(tài)視為0；如果攝影機(jī)前面存在對(duì)象，則將當(dāng)前幀的狀態(tài)視為1。 thresh_frame = cv2.threshold(delta_frame,30,255,cv2.THRESH_BINARY)[1] thresh_frame = cv2.dilate(thresh_frame,None,iterations=3) # 在膨脹函數(shù)Dilate中，我們可以通過(guò)設(shè)置迭代次數(shù)來(lái)設(shè)置平滑度。迭代次數(shù)越多，平滑度越高，處理時(shí)間也就越長(zhǎng)。因此，建議保持標(biāo)準(zhǔn)化設(shè)置為3。膨脹函數(shù)中的“None”參數(shù)表示我們的應(yīng)用中不需要元素結(jié)構(gòu)。 #聲明元組的語(yǔ)法 (cnts,_) (cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) for contours in cnts : if cv2.contourArea(contours) < 10000: continue if cv2.contourArea(contours) < 20000: status = 1 (x,y,w,h) = cv2.boundingRect(contours) cv2.rectangle(colorframe,(x,y),(x+w,y+h),(0,0,255),3) cv2.imshow('cc',colorframe) key = cv2.waitKey(1) if key == ord(’q’): break

顯然這里有什么問(wèn)題。留待解決:高斯平滑參數(shù)的獲取

到此這篇關(guān)于python和opencv構(gòu)建運(yùn)動(dòng)檢測(cè)器的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)python opencv構(gòu)建運(yùn)動(dòng)檢測(cè)器內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！