python|基于OpenCV实战（动态物体检测）人工智能|计算机视觉|编程语言

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。
安装依赖库

OpenCV：pip install opencv-python

基本动作检测
【python|基于OpenCV实战（动态物体检测）】在这里，我们将讨论代码和对如何在后台工作的基本理解。在计算机视觉中，我们把运动看作是环境的变化。为了计算转换，我们必须有一个背景图像来比较。所以，我们在程序的开头保存第一个图像。

# 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。

阻碍与解决方案
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

各种平台上的基准:
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。

结论
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。
下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
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~