#yyds干货盘点#Python图像处理，cv2模块，OpenCV实现目标跟踪 _目标跟踪

枕上诗书闲处好，门前风景雨来佳。这篇文章主要讲述#yyds干货盘点#Python图像处理，cv2模块，OpenCV实现目标跟踪相关的知识，希望能为你提供帮助。
前言利用python实现OpenCV目标跟踪。废话不多说。
让我们愉快地开始吧~
开发工具Python版本： 3.6.4
相关模块：
cv2模块；
以及一些Python自带的模块。
环境搭建安装Python并添加到环境变量，pip安装需要的相关模块即可。
【#yyds干货盘点#Python图像处理，cv2模块，OpenCV实现目标跟踪】目标跟踪指的是对视频中的移动目标进行定位的过程。
在如今AI行业有着很多应用场景，比如监控，辅助驾驶等。
帧之间差异通过计算视频帧之间的差异(即考虑背景帧和其他帧之间的差异)，进而实现目标跟踪
代码具体实现

import cv2# 获取视频 video = cv2.VideoCapture(007.mp4)# 生成椭圆结构元素 es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 4)) # 设置背景帧 background = Nonewhile True: # 读取视频每一帧 ret, frame = video.read()# 获取背景帧 if background is None: # 将视频的第一帧图像转为灰度图 background = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 对灰度图进行高斯模糊,平滑图像 background = cv2.GaussianBlur(background, (21, 21), 0) continue# 将视频的每一帧图像转为灰度图 gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 对灰度图进行高斯模糊,平滑图像 gray_frame = cv2.GaussianBlur(gray_frame, (21, 21), 0)# 获取当前帧与背景帧之间的图像差异,得到差分图 diff = cv2.absdiff(background, gray_frame)# 利用像素点值进行阈值分割,得到一副黑白图像 diff = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1]# 膨胀图像,减少错误 diff = cv2.dilate(diff, es, iterations=2)# 得到图像中的目标轮廓 image, cnts, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)for c in cnts: if cv2.contourArea(c) < 1500: continue # 绘制目标矩形框 (x, y, w, h) = cv2.boundingRect(c) cv2.rectangle(frame, (x+2, y+2), (x+w, y+h), (0, 255, 0), 2)# 显示检测视频 cv2.namedWindow(contours, 0) cv2.resizeWindow(contours, 600, 400) cv2.imshow(contours, frame)# 显示差异视频 cv2.namedWindow(diff, 0) cv2.resizeWindow(diff, 600, 400) cv2.imshow(diff, diff) if cv2.waitKey(1) & 0xff == ord(q): break# 结束 cv2.destroyAllWindows() video.release()

背景分割器OpenCV提供一个BackgroundSubtractor的类，可以用于分割视频的前景和背景。
还可以通过机器学习提高背景检测的效果。
有三种背景分割器，分别是KNN，MOG2，GMG，通过相应的算法计算背景分割。
BackgroundSubtractor类可以对不同帧进行比较，并存储以前的帧，可按时间推移来提高运动分析的结果。
还能计算阴影，通过检测阴影，排除检测图像的阴影区域。
代码具体实现

import cv2# 获取视频 video = cv2.VideoCapture(traffic.flv) # KNN背景分割器,设置阴影检测 bs = cv2.createBackgroundSubtractorKNN(detectShadows=True)while True: # 读取视频每一帧 ret, frame = video.read() # 计算视频的前景掩码 fgmask = bs.apply(frame) # 图像阈值化 th = cv2.threshold(fgmask.copy(), 244, 255, cv2.THRESH_BINARY)[1] # 膨胀图像,减少错误 dilated = cv2.dilate(th, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)), iterations=2)# 得到图像中的目标轮廓 image, contours, hier = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)for c in contours: if cv2.contourArea(c) > 1600: # 绘制目标矩形框 (x, y, w, h) = cv2.boundingRect(c) cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 255, 0), 2)# 显示差异视频 cv2.imshow(mog, fgmask) # cv2.imshow(thresh, th) # 显示检测视频 cv2.imshow(detection, frame) if cv2.waitKey(30) & 0xff == ord(q): breakvideo.release() cv2.destroyAllWindows()

结果如下