OpenCV检测python中的运动

Question

我的目标是检测 IP 摄像机流上特定区域的移动。我设法编写了工作代码，但这是基于我个人的理解。

import cv2
import numpy as np
import os
import time
import datetime
import urllib
import pynotify

stream=urllib.urlopen('http://user:pass@192.168.198.120/video.mjpg')
bytes=''
fgbg = cv2.createBackgroundSubtractorMOG2()

while True:
    bytes+=stream.read(16384)
    a = bytes.find('\xff\xd8')
    b = bytes.find('\xff\xd9')
    if a!=-1 and b!=-1:
        jpg = bytes[a:b+2]
        bytes= bytes[b+2:]
        img = cv2.imdecode(np.fromstring(jpg, dtype=np.uint8),cv2.IMREAD_COLOR)
        rows,cols,c = img.shape
        mask = np.zeros(img.shape, dtype=np.uint8)
        roi_corners = np.array([[(940,220),(1080,240), (1080,310), (940,290)]], dtype=np.int32)
        channel_count = img.shape[2]
        ignore_mask_color = (255,)*channel_count
        cv2.fillPoly(mask, roi_corners, ignore_mask_color)
        masked_image = cv2.bitwise_and(img, mask)

        fgmask = fgbg.apply(masked_image)
        iii = fgmask[220:310,940:1080]

        hist,bins = np.histogram(iii.ravel(),256,[0,256])

        black, white, cnt1, cnt2 = 0,0,0,0


        for i in range(0,127):
            black += hist[i]
            cnt1+=1
        bl = float(black / cnt1)

        for i in range(128,256):
            white += hist[i]
            cnt2+=1
        wh = float(white / cnt2)

        finalResult = ((bl+1) / (wh+1))/10

    if finalResult < 1.0:
        pynotify.init("cv2alert")
            notice = pynotify.Notification('Alert', 'Alert text')
            try:
                notice.show()
            except gio.Error:
                print "Error"

此代码有效，但由于我不太了解直方图，我没有设法直接获取值，但有一些“黑客”，例如直方图的左侧是黑色，右侧是白色，black / white给出我想要的结果。我知道这不太正确，但是当没有人在 ROI 中时它给了我 4-9 的结果，当有人进入这个 ROI 时它给了我 0.5-2.0 的结果。

我的问题是： 有没有其他方法可以读取直方图和比较数据，或者其他方法？阅读文档对我没有帮助。

Answer 1

检测运动的一种方法是使用cv2.accumulateWeighted 保持场景的运行平均值。然后，使用cv2.absdiff 将每个新帧与平均值进行比较，以获得指示场景变化的图像。

我在a video processing project 中正是这样做的。查看文件diffavg1.py 中的主循环，我在其中运行累加器并执行差异。

(该项目的研究是利用多核CPU架构实现实时视频处理，所以后来的版本diffavg2.py、diffavg3.py和diffavg4.py是性能逐步提高的实现，但底层的accumulate-diff算法是一样的。）

Answer 2

差分图像是两个图像相减的结果

所以差分图像显示了两个图像之间的差异。使用这些图像，您可以使运动可见。

在下面的脚本中，我们使用从三个连续图像计算的差分图像，和。这样做的好处是从结果中删除了无趣的背景。

OpenCV 提供了将两个图像相减的可能性 使用 absdiff()。对两个图像的逻辑运算也已经存在 实施的。我们使用bitwise_and()的方法来实现最终的 差分图像。在python中它看起来像这样：

def diffImg(t0, t1, t2):
  d1 = cv2.absdiff(t2, t1)
  d2 = cv2.absdiff(t1, t0)
  return cv2.bitwise_and(d1, d2)

我们要做的最后一件事是将差分图像函数带入我们之前的脚本中。 在循环开始之前，我们读取前三个图像 t_minus、t 和 t_plus 并将它们转换为灰度图像，因为我们不需要颜色信息。有了这些图像，就可以开始计算差分图像。显示差分图像后，我们只需摆脱最旧的图像并读取下一个图像。最终脚本如下所示：

import cv2

def diffImg(t0, t1, t2):
  d1 = cv2.absdiff(t2, t1)
  d2 = cv2.absdiff(t1, t0)
  return cv2.bitwise_and(d1, d2)

cam = cv2.VideoCapture(0)

winName = "Movement Indicator"
cv2.namedWindow(winName, cv2.WINDOW_AUTOSIZE)

# Read three images first:
t_minus = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)
t = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)
t_plus = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

while True:
  cv2.imshow( winName, diffImg(t_minus, t, t_plus) )

  # Read next image
  t_minus = t
  t = t_plus
  t_plus = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

  key = cv2.waitKey(10)
  if key == 27:
    cv2.destroyWindow(winName)
    break

print("Goodbye")

Here you will find more elaborative answer, for what you are looking for.

Answer 3

可以通过ecapture来完成。

安装

pip install ecapture

代码

from ecapture import motion as md

md.motion_detect(0,"x")
print("detected")

这段代码会打印出来

detected

一旦相机视野发生移动