python opencv 检测移动物体并截图保存实例
作者:ZJL-阿友 发布时间:2023-11-05 16:10:35
标签:python,opencv,移动,截图
最近在老家找工作,无奈老家工作真心太少,也没什么面试机会,不过之前面试一家公司,提了一个有意思的需求,检测河面没有有什么船只之类的物体,我当时第一反应是用opencv做识别,不过回家想想,河面相对的东西比较少,画面比较单一,只需要检测有没有移动的物体不就简单很多嘛,如果做街道垃圾检测的话可能就很复杂了,毕竟街道上行人,车辆,动物,很多干扰物,于是就花了一个小时写了一个小的demo,只需在程序同级目录创建一个img目录就可以了
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截图
save_path = './img/'
# 定义摄像头对象,其参数0表示第一个摄像头
camera = cv2.VideoCapture(0)
# 判断视频是否打开
if (camera.isOpened()):
print('Open')
else:
print('摄像头未打开')
# 测试用,查看视频size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 帧率
fps = 5
# 总是取前一帧做为背景(不用考虑环境影响)
pre_frame = None
while(1):
start = time.time()
# 读取视频流
ret, frame = camera.read()
# 转灰度图
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
cv2.imshow("capture", frame)
# 运动检测部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯滤波进行模糊处理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果没有背景图像就将当前帧当作背景图片
if pre_frame is None:
pre_frame = gray_lwpCV
else:
# absdiff把两幅图的差的绝对值输出到另一幅图上面来
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold阈值函数(原图像应该是灰度图,对像素值进行分类的阈值,当像素值高于(有时是小于)阈值时应该被赋予的新的像素值,阈值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨胀图像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours检测物体轮廓(寻找轮廓的图像,轮廓的检索模式,轮廓的近似办法)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
# 设置敏感度
# contourArea计算轮廓面积
if cv2.contourArea(c) < 1000:
continue
else:
print("出现目标物,请求核实")
# 保存图像
cv2.imwrite(save_path + str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) + '.jpg', frame)
break
pre_frame = gray_lwpCV
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# release()释放摄像头
camera.release()
#destroyAllWindows()关闭所有图像窗口
cv2.destroyAllWindows()
想出现一个矩形框跟随移动物于是进行了改造,结果发现效果不是很理想,不能很好的框住移动目标,要么只框一部分,要么出现在移动目标附近,尴尬
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截图
save_path = './img/'
# 定义摄像头对象,其参数0表示第一个摄像头
camera = cv2.VideoCapture(0)
# 判断视频是否打开
if (camera.isOpened()):
print('Open')
else:
print('摄像头未打开')
# 测试用,查看视频size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 帧率
fps = 5
# 总是取前一帧做为背景(不用考虑环境影响)
pre_frame = None
while(1):
start = time.time()
# 读取视频流
ret, frame = camera.read()
# 转灰度图
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
# 显示图像
# cv2.imshow("capture", frame)
# 运动检测部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯滤波进行模糊处理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果没有背景图像就将当前帧当作背景图片
if pre_frame is None:
pre_frame = gray_lwpCV
else:
# absdiff把两幅图的差的绝对值输出到另一幅图上面来
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold阈值函数(原图像应该是灰度图,对像素值进行分类的阈值,当像素值高于(有时是小于)阈值时应该被赋予的新的像素值,阈值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨胀图像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours检测物体轮廓(寻找轮廓的图像,轮廓的检索模式,轮廓的近似办法)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
# 设置敏感度
# contourArea计算轮廓面积
if cv2.contourArea(c) < 1000:
continue
else:
# 画出矩形框架,返回值x,y是矩阵左上点的坐标,w,h是矩阵的宽和高
(x, y, w, h) = cv2.boundingRect(c)
# rectangle(原图,(x,y)是矩阵的左上点坐标,(x+w,y+h)是矩阵的右下点坐标,(0,255,0)是画线对应的rgb颜色,2是所画的线的宽度)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# putText 图片中加入文字
cv2.putText(frame, "now time: {}".format(str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) ), (10, 20),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
print("出现目标物,请求核实")
# 保存图像
cv2.imwrite(save_path + str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) + '.jpg', frame)
break
pre_frame = gray_lwpCV
# 显示图像
cv2.imshow("capture", frame)
# cv2.imshow("Thresh", thresh)
# 进行阀值化来显示图片中像素强度值有显著变化的区域的画面
cv2.imshow("Frame Delta", img_delta)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# release()释放摄像头
camera.release()
#destroyAllWindows()关闭所有图像窗口
cv2.destroyAllWindows()
补充知识:基于python使用opencv监测视频指定区域是否有物体移动
缘由:车停车位,早上看到右后轮有很明显的干了的水渍,前一天下雨,车身其他位置没有如此显眼的水渍,不可能是前天雨水的水渍,仔细一看,从油箱盖一直往下,很明显,有某个X德的人故意尿在车上的,找物业拿到视频监控文件,自己看太费时间,于是。。。
思路:读取视频的关键帧,对比指定区域的数据,如果变化较大(排除环境光线变化),则有物体移动,截取当前帧保存备用。
行动:对于python处理视频不了解,找来找去,找到opencv,符合需求。
原来是个熊孩子小学生,上楼就到家了,这爹妈教也没管教说不能随地大小便么。
代码如下:
#!/usr/bin/env python
# coding: utf-8
# @author: sSWans
# @file: main.py
# @time: 2018/1/11 15:54
import os
import random
from _datetime import datetime
import cv2
path = 'F:\\111'
# 遍历目录下的视频文件
def get_files(fpath):
files_list = []
for i in os.listdir(fpath):
files_list.append(os.path.join(fpath, i))
return files_list
# 视频处理
def process(file, fname):
# camera = cv2.VideoCapture(0) # 参数0表示第一个摄像头
camera = cv2.VideoCapture(file)
# 参数设置,监测矩形区域
rectangleX = 880 # 矩形最左点x坐标
rectangleXCols = 0 # 矩形x轴上的长度
rectangleY = 650 # 矩形最上点y坐标
rectangleYCols = 100 # 矩形y轴上的长度
KeyFrame = 17 # 取关键帧的间隔数,根据视频的帧率设置,我的视频是16FPS
counter = 1 # 取帧计数器
pre_frame = None # 总是取视频流前一帧做为背景相对下一帧进行比较
# 判断视频是否打开
if not camera.isOpened():
print('视频文件打开失败!')
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
print('视频尺寸(高,宽):', height, width)
if rectangleXCols == 0:
rectangleXCols = width - rectangleX
if rectangleYCols == 0:
rectangleYCols = height - rectangleY
start_time = datetime.now()
print('{} 开始处理文件: {}'.format(start_time.strftime('%H:%M:%S'), fname))
while True:
grabbed, frame_lwpCV = camera.read() # 读取视频流
if grabbed:
if counter % KeyFrame == 0:
# if not grabbed:
# print('{} 完成处理文件: {} 。。。 '.format(datetime.now().strftime('%H:%M:%S'),fname))
# break
gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY) # 转灰度图
gray_lwpCV = gray_lwpCV[rectangleY:rectangleY + rectangleYCols, rectangleX:rectangleX + rectangleXCols]
lwpCV_box = cv2.rectangle(frame_lwpCV, (rectangleX, rectangleY),
(rectangleX + rectangleXCols, rectangleY + rectangleYCols), (0, 255, 0),
2) # 用绿色矩形框显示监测区域
# cv2.imshow('lwpCVWindow', frame_lwpCV) # 显示视频播放窗口,开启消耗时间大概是3倍
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
if pre_frame is None:
pre_frame = gray_lwpCV
else:
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.dilate(thresh, None, iterations=2)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
for x in contours:
if cv2.contourArea(x) < 1000: # 设置敏感度
continue
else:
cv2.imwrite(
'image/' + fname + '_' + datetime.now().strftime('%H%M%S') + '_' + str(
random.randrange(0, 9999)) + '.jpg',
frame_lwpCV)
# print("监测到移动物体。。。 ", datetime.now().strftime('%H:%M:%S'))
break
pre_frame = gray_lwpCV
counter += 1
key = cv2.waitKey(1) & 0xFF
if key == ord('q'):
break
else:
end_time = datetime.now()
print('{} 完成处理文件: {} 耗时:{}'.format(end_time.strftime('%H:%M:%S'), fname, end_time - start_time))
break
camera.release()
# cv2.destroyAllWindows() # 与上面的imshow对应
for file in get_files(path):
fname = file.split('\\')[-1].replace('.mp4', '')
process(file, fname)
来源:https://blog.csdn.net/u013055678/article/details/79389516
0
投稿
猜你喜欢
- 如何在线修改表?具体代码如下:<%Set conn1 = Server.CreateObject(&qu
- 本文详细介绍了asp中如何使用sql语句删除数据库中的记录,初学asp者来看看!1,首先要明确删除哪条记录无非还就是SQL语句了,比如对应到
- 前面我们讲了一些Dreamweaver MX的基本操作,相信大家看了后都会觉得比较简单,的确,这是个工具软件,操作方便应该是它的宗旨。其实网
- 前段时间在论坛上有人问到一个淘宝网上的hover伪类实现的效果如果兼容ie6。其实,问题很简单,就是hover伪类在IE6中得不到很好的支持
- 题记JS中的this指向一直是个让初学者头疼的问题。今天,我们就一起来瞅瞅this倒地是咋回事,详细说说this指向原则,从此不再为了thi
- 漂亮的代码是漂亮网站的基础,优秀的 CSS 只存在与同样优秀的 HTML 之上,干净的,语义的 HTML 代码让一个网站更健壮。本文讲述了1
- eWebEditor在线HTML编辑助手是基于eWebEditor在线HTML编辑器的扩展工具。当您的电脑安装了eWebEditor在线HT
- 阅读上一篇:交互设计模式(二)-Pagination(分页,标记页数) Tagging(标签)问题摘要用户往往想通过流行或最详尽的主题来浏览
- caller 属性返回一个对函数的引用,该函数调用了当前函数。functionName.caller functionName 对象是所执行
- 今天刚看到ChinaUI.com新改版的网站,觉得优艾网是越来越漂亮了,这次的变化的确是挺大的。一早大概的看了一下就关了,后来晚上又打开看时
- 在某些情况下,比如自动补全(auto complete)的输入框中,需要使用keyup事件来监听键盘的输入以迅速作出回应。关键在于keyup
- 问题1:使用.net2005自带的SQL-Express连接不上。解决方法:1.网络防火墙阻止数据库连接;2.默认SQL-Express没有
- acronym从字义上理解,是取首字母的缩写词,abbr是缩写,在应用过程中,两个标签看起来差不多,但个人觉得还是有区别的。看下面的例子:&
- 目前使用MySQL的网站,多半同时使用Memcache作为键值缓存。虽然这样的架构极其流行,有众多成功的案例,但过于依赖Memcache,无
- 通常用户看到的页面的样式会受到三层控制,第一层是浏览器的默认样式,第二层是网页定义样式,第三层是用户自定义样式。和CSS一样,后面的优先级高
- 我们可能会出现这种情况,某个表原来设计不周全,导致表里面的数据数据重复,那么,如何对重复的数据进行删除呢?重复的数据可能有这样两种情况,第一
- var str = "pig cat fish、dog horse monkey bear、lion、fox&quo
- 月份转换到中文Function MonthToCH(TheMonth) Dim mm mm=split("一,
- 内容摘要合理使用渐变留白网格布局提高字体应用明确而有效的导航设计漂亮、有用的页脚介绍优秀设计和卓越设计之间的区别是比较小的。一般人可能无法解
- 汉字转为拼音的asp函数,原理:利用多维数组 1.添加索引 2.遍历数组Author: Unknowasp之家测试截图,呵呵不错:<%