OpenCV系列（八）移动物体检测-技术圈

移动侦测，一般也叫运动检测，常用于无人值守监控录像和自动报警。通过摄像头按照不同帧率采集得到的图像会被CPU按照一定算法进行计算和比较，当画面有变化时，如有人走过，镜头被移动，计算比较结果得出的数字会超过阈值并指示系统能自动作出相应的处理。

OpenCV 实现

SPRING

那么在Opencv中，是怎么样进行移动物体检测的呢？其实Opencv中帮我们封装好了背景减法的算法，我们只需要取得视频当前帧及的前一帧，然后使用这个算法得到这两帧的差异，再对其进行处理即可，具体代码如下：

import cv2cam= cv2.VideoCapture('opencv_image/vtest.avi')
# 先读取视频的前2帧_,img1=cam.read()_,img2=cam.read()
while cam.isOpened():    # 获得两帧之间的差异    diff=cv2.absdiff(img1,img2)    cv2.imshow('diff',diff)    # 图像处理：灰度，高斯模糊，二值化    gray=cv2.cvtColor(diff,cv2.COLOR_BGR2GRAY)    blur=cv2.GaussianBlur(gray,(5,5),0)    _,th=cv2.threshold(blur,20,255,cv2.THRESH_BINARY)    # 图像膨胀操作    dilated=cv2.dilate(th,None,iterations=3)    cv2.imshow('dilated',dilated)    # 获取轮廓        contours,_=cv2.findContours(dilated,cv2.RETR_TREE,                                cv2.CHAIN_APPROX_SIMPLE)    # 判断矩形是否满足条件    for contour in contours:        (x,y,w,h)=cv2.boundingRect(contour)        if cv2.contourArea(contour) <700:            continue        else:            cv2.rectangle(img1,(x,y),(x+w,y+h),(0,255,0),1)    cv2.imshow('image',img1)    # 读下一帧    img1=img2    _,img2=cam.read()    flag=cv2.waitKey(100)    if flag==ord('q'):        break# 别忘记释放摄像头cam.release()cv2.destroyAllWindows()

程序运行的结果如下，在视频中运动的人以及飘动的隔离带都被方框标注了出来:

函数解释

SPRING

这个检测综合了比较多的OpenCV函数,一一为大家解释这些函数的参数以及作用：

dilated=cv2.dilate(src,kernel,iteration)

作用：形态学操作-膨胀

src	输入的图片
kernel	表示方框的大小
interation	迭代的次数

膨胀操作的原理，存在一个kernel，在图像上进行从左到右，从上到下的平移，如果方框中存在白色，那么这个方框内所有的颜色都是白色。也就是说，它可以将二值化图片中细小的白色‘变胖’。

contours,hierarchy=cv2.findContours(img,mode,method)

作用：查找检测物体的轮廓

image	带有轮廓信息的图片
model	提取出轮廓后，输出轮廓信息的组织形式，通常由以下几种选项： cv2.RETR_EXTERNAL：输出轮廓中只有外侧轮廓信息； cv2.RETR_LIST：以列表形式输出轮廓信息，各轮廓之间无等级关系； cv2.RETR_CCOMP：输出两层轮廓信息，即内外两个边界（下面将会说到contours的数据结构）； cv2.RETR_TREE：以树形结构输出轮廓信息
method	轮廓的近似办法，有以下选项： cv2.CHAIN_APPROX_NONE：存储轮廓所有点的信息，相邻两个轮廓点在图像上也是相邻的； cv2.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； cv2.CHAIN_APPROX_TC89_L1：使用teh-Chinl chain近似算法保存轮廓信息。
contours	list结构，列表中每个元素代表一个边沿信息。每个元素是(x,1,2)的三维向量，x表示该条边沿里共有多少个像素点，第三维的那个“2”表示每个点的横、纵坐标
hierarchy	返回类型是(x,4)的二维ndarray。x和contours里的x是一样的意思。如果输入选择cv2.RETR_TREE，则以树形结构组织输出，hierarchy的四列分别对应下一个轮廓编号、上一个轮廓编号、父轮廓编号、子轮廓编号，该值为负数表示没有对应项

注：如果输入选择cv2.CHAIN_APPROX_SIMPLE，则contours中一个list元素所包含的x点之间应该用直线连接起来，这个可以用cv2.drawContours()函数观察一下效果。

函数解析：cv2.boundingRect(cnt)

作用：一般于轮廓检测以前使用，可以使用一个最小的矩形，把找到的形状包起来。cnt 即轮廓检测中的每一个contour。