基于OpenCV实战:动态物体检测

小白学视觉

共 2900字,需浏览 6分钟

 ·

2021-04-25 10:22

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

最近,闭路电视安全系统运行着多种算法来确保安全,例如面部识别,物体检测,盗窃检测,火灾警报等。我们在运动检测的基础上实现了许多算法,因为在空闲帧上运行所有这些进程没有任何意义。在本文中,我们将讨论实现基于运动检测的视频保存。


安装依赖库
OpenCV:pip install opencv-python


基本动作检测

在这里,我们将讨论代码和对如何在后台工作的基本理解。在计算机视觉中,我们把运动看作是环境的变化。为了计算转换,我们必须有一个背景图像来比较。所以,我们在程序的开头保存第一个图像。

# Converting the image to GrayScalegray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray,(21,21),0)# Saving the First Frameif first_frame is None:    first_frame = gray    continue

然后,我们将后续帧与保存的第一帧进行比较,以观察差异。计算完差异后,我们可以应用阈值将其转换为黑白图像。

#Calculates difference to detect motiondelta_frame = cv2.absdiff(first_frame, gray)#Applies Threshold and converts it to black & white imagethresh_delta = cv2.threshold(delta_frame, 30, 255, cv2.THRESH_BINARY)[1]thresh_delta = cv2.dilate(thresh_delta, None, iterations=0)#finding contours on the white portion(made by the threshold)cnts,_ = cv2.findContours(thresh_delta.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

最后一个命令在该黑白图像中查找轮廓,并给出用于创建边界框的坐标,如上面的视频所示。使用运动检测的好处:

  1. 它不会保存无用的空闲镜头。因此,减少了其他算法的工作量,因为不会保存空闲帧进行处理。

  2. 它需要较少的计算,并且适合实时实施。


阻碍与解决方案


给定的因素导致轮廓检测不理想,运动检测的幼稚方法会在执行开始时为所有比较保存第一帧。不好有几个原因:

  • 白天的照明条件可能会改变。

  • 天气变化。

  • 执行时相机被遮挡。

解决方案:在没有运动的情况下,可以通过定期定期更新保存的帧来轻松解决此问题。

# Number of idle frames to pass before changing the saved frame # for further comparisionsFRAMES_TO_PERSIST = 1000

然后将其放在while循环中:

#increment delay counter for every idle framedelay_counter += 1#Update the saved first frameif delay_counter > FRAMES_TO_PERSIST:    delay_counter = 0    first_frame = next_frame


当检测到运动时,将delay_counter设置为零,微小的物体(例如蜜蜂和昆虫)和通常不必要的轻微不必要的运动被存储起来。解决方案:如片段所示,我们应该在该区域设置一个阈值。

# Minimum boxed area(in pixels) for a detected motion to count as actual motion# Use to filter out noise or small objectsMIN_SIZE_FOR_MOVEMENT = 2000

然后在while循环中放置一个if语句:

#Checks if the area is big enough to be considered as motion.if cv2.contourArea(c) > MIN_SIZE_FOR_MOVEMENT:    #Your code


各种平台上的基准:


所有这些都是针对同一视频(30-fps,1280x720)计算的。

Raspberry Pi 2:

  • 规格
  • 1.5 GHz处理器
  • 1 GB内存
  • 没有GPU
  • FPS:每秒8.08帧

Jetson Nano:

  • 规格
  • 四核ARM处理器1.43Ghz
  • 2 Gb内存
  • GPU:128核心Nvidia Maxwell
  • FPS:每秒33帧

个人电脑 :

  • 规格
  • i7第八代处理器
  • 16 GB内存
  • GTX 1060 6 GB GPU
  • FPS:每秒37帧


潜在应用:

智能铃:

如果有人站在您家门口,它将自动触发铃声,并向您发送提示。


潜在威胁警报:

如果有人站在您家门前的时间长于正常时间,它将提醒您。


结论


在本文中,我们实现了一个非常基本但重要的算法,可用于有效运行所有其他算法。可以对该运动检测算法进行更多修改,以使其更加健壮。


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 24
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报