基于OpenCV实战:动态物体检测
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。
OpenCV:pip install opencv-python
# Converting the image to GrayScale
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray,(21,21),0)
# Saving the First Frame
if 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 motion
delta_frame = cv2.absdiff(first_frame, gray)
#Applies Threshold and converts it to black & white image
thresh_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:
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。
它需要较少的计算,并且适合实时实施。
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 comparisions
FRAMES_TO_PERSIST = 1000
然后将其放在while循环中:
#increment delay counter for every idle frame
delay_counter += 1
#Update the saved first frame
if 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 objects
MIN_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
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。
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。
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~