python opencv 檢測移動(dòng)物體并截圖保存實(shí)例
更新時(shí)間：2020年03月10日 10:49:11 作者：ZJL-阿友
這篇文章主要介紹了python opencv 檢測移動(dòng)物體并截圖保存實(shí)例，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧
最近在老家找工作，無奈老家工作真心太少，也沒什么面試機(jī)會(huì)，不過之前面試一家公司，提了一個(gè)有意思的需求，檢測河面沒有有什么船只之類的物體，我當(dāng)時(shí)第一反應(yīng)是用opencv做識(shí)別，不過回家想想，河面相對的東西比較少，畫面比較單一，只需要檢測有沒有移動(dòng)的物體不就簡單很多嘛，如果做街道垃圾檢測的話可能就很復(fù)雜了，畢竟街道上行人，車輛，動(dòng)物，很多干擾物，于是就花了一個(gè)小時(shí)寫了一個(gè)小的demo，只需在程序同級目錄創(chuàng)建一個(gè)img目錄就可以了
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截圖
save_path = './img/'
# 定義攝像頭對象，其參數(shù)0表示第一個(gè)攝像頭
camera = cv2.VideoCapture(0)
# 判斷視頻是否打開
if (camera.isOpened()):
print('Open')
else:
print('攝像頭未打開')
# 測試用,查看視頻size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 幀率
fps = 5
# 總是取前一幀做為背景（不用考慮環(huán)境影響）
pre_frame = None
while(1):
start = time.time()
# 讀取視頻流
ret, frame = camera.read()
# 轉(zhuǎn)灰度圖
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
cv2.imshow("capture", frame)
# 運(yùn)動(dòng)檢測部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯濾波進(jìn)行模糊處理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果沒有背景圖像就將當(dāng)前幀當(dāng)作背景圖片
if pre_frame is None:
pre_frame = gray_lwpCV
else:
# absdiff把兩幅圖的差的絕對值輸出到另一幅圖上面來
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold閾值函數(shù)(原圖像應(yīng)該是灰度圖,對像素值進(jìn)行分類的閾值,當(dāng)像素值高于（有時(shí)是小于）閾值時(shí)應(yīng)該被賦予的新的像素值,閾值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨脹圖像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours檢測物體輪廓(尋找輪廓的圖像,輪廓的檢索模式,輪廓的近似辦法)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
# 設(shè)置敏感度
# contourArea計(jì)算輪廓面積
if cv2.contourArea(c) < 1000:
continue
else:
print("出現(xiàn)目標(biāo)物，請求核實(shí)")
# 保存圖像
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()釋放攝像頭
camera.release()
#destroyAllWindows()關(guān)閉所有圖像窗口
cv2.destroyAllWindows()
想出現(xiàn)一個(gè)矩形框跟隨移動(dòng)物于是進(jìn)行了改造，結(jié)果發(fā)現(xiàn)效果不是很理想，不能很好的框住移動(dòng)目標(biāo)，要么只框一部分，要么出現(xiàn)在移動(dòng)目標(biāo)附近，尷尬
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截圖
save_path = './img/'
# 定義攝像頭對象，其參數(shù)0表示第一個(gè)攝像頭
camera = cv2.VideoCapture(0)
# 判斷視頻是否打開
if (camera.isOpened()):
print('Open')
else:
print('攝像頭未打開')
# 測試用,查看視頻size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 幀率
fps = 5
# 總是取前一幀做為背景（不用考慮環(huán)境影響）
pre_frame = None
while(1):
start = time.time()
# 讀取視頻流
ret, frame = camera.read()
# 轉(zhuǎn)灰度圖
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
# 顯示圖像
# cv2.imshow("capture", frame)
# 運(yùn)動(dòng)檢測部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯濾波進(jìn)行模糊處理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果沒有背景圖像就將當(dāng)前幀當(dāng)作背景圖片
if pre_frame is None:
pre_frame = gray_lwpCV
else:
# absdiff把兩幅圖的差的絕對值輸出到另一幅圖上面來
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold閾值函數(shù)(原圖像應(yīng)該是灰度圖,對像素值進(jìn)行分類的閾值,當(dāng)像素值高于（有時(shí)是小于）閾值時(shí)應(yīng)該被賦予的新的像素值,閾值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨脹圖像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours檢測物體輪廓(尋找輪廓的圖像,輪廓的檢索模式,輪廓的近似辦法)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
# 設(shè)置敏感度
# contourArea計(jì)算輪廓面積
if cv2.contourArea(c) < 1000:
continue
else:
# 畫出矩形框架,返回值x，y是矩陣左上點(diǎn)的坐標(biāo)，w，h是矩陣的寬和高
(x, y, w, h) = cv2.boundingRect(c)
# rectangle(原圖,(x,y)是矩陣的左上點(diǎn)坐標(biāo),(x+w,y+h)是矩陣的右下點(diǎn)坐標(biāo),(0,255,0)是畫線對應(yīng)的rgb顏色,2是所畫的線的寬度)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# putText 圖片中加入文字
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("出現(xiàn)目標(biāo)物，請求核實(shí)")
# 保存圖像
cv2.imwrite(save_path + str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) + '.jpg', frame)
break
pre_frame = gray_lwpCV
# 顯示圖像
cv2.imshow("capture", frame)
# cv2.imshow("Thresh", thresh)
# 進(jìn)行閥值化來顯示圖片中像素強(qiáng)度值有顯著變化的區(qū)域的畫面
cv2.imshow("Frame Delta", img_delta)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# release()釋放攝像頭
camera.release()
#destroyAllWindows()關(guān)閉所有圖像窗口
cv2.destroyAllWindows()
補(bǔ)充知識(shí)：基于python使用opencv監(jiān)測視頻指定區(qū)域是否有物體移動(dòng)
緣由：車停車位，早上看到右后輪有很明顯的干了的水漬，前一天下雨，車身其他位置沒有如此顯眼的水漬，不可能是前天雨水的水漬，仔細(xì)一看，從油箱蓋一直往下，很明顯，有某個(gè)X德的人故意尿在車上的，找物業(yè)拿到視頻監(jiān)控文件，自己看太費(fèi)時(shí)間，于是。。。
思路：讀取視頻的關(guān)鍵幀，對比指定區(qū)域的數(shù)據(jù)，如果變化較大（排除環(huán)境光線變化），則有物體移動(dòng)，截取當(dāng)前幀保存?zhèn)溆谩?/p>
行動(dòng)：對于python處理視頻不了解，找來找去，找到opencv，符合需求。
原來是個(gè)熊孩子小學(xué)生，上樓就到家了，這爹媽教也沒管教說不能隨地大小便么。
代碼如下：
#!/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'
# 遍歷目錄下的視頻文件
def get_files(fpath):
files_list = []
for i in os.listdir(fpath):
files_list.append(os.path.join(fpath, i))
return files_list
# 視頻處理
def process(file, fname):
# camera = cv2.VideoCapture(0) # 參數(shù)0表示第一個(gè)攝像頭
camera = cv2.VideoCapture(file)
# 參數(shù)設(shè)置，監(jiān)測矩形區(qū)域
rectangleX = 880 # 矩形最左點(diǎn)x坐標(biāo)
rectangleXCols = 0 # 矩形x軸上的長度
rectangleY = 650 # 矩形最上點(diǎn)y坐標(biāo)
rectangleYCols = 100 # 矩形y軸上的長度
KeyFrame = 17 # 取關(guān)鍵幀的間隔數(shù)，根據(jù)視頻的幀率設(shè)置，我的視頻是16FPS
counter = 1 # 取幀計(jì)數(shù)器
pre_frame = None # 總是取視頻流前一幀做為背景相對下一幀進(jìn)行比較
# 判斷視頻是否打開
if not camera.isOpened():
print('視頻文件打開失敗！')
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
print('視頻尺寸（高，寬）:', height, width)
if rectangleXCols == 0:
rectangleXCols = width - rectangleX
if rectangleYCols == 0:
rectangleYCols = height - rectangleY
start_time = datetime.now()
print('{} 開始處理文件： {}'.format(start_time.strftime('%H:%M:%S'), fname))
while True:
grabbed, frame_lwpCV = camera.read() # 讀取視頻流
if grabbed:
if counter % KeyFrame == 0:
# if not grabbed:
# print('{} 完成處理文件： {} 。。。 '.format(datetime.now().strftime('%H:%M:%S'),fname))
# break
gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY) # 轉(zhuǎn)灰度圖
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) # 用綠色矩形框顯示監(jiān)測區(qū)域
# cv2.imshow('lwpCVWindow', frame_lwpCV) # 顯示視頻播放窗口，開啟消耗時(shí)間大概是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: # 設(shè)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("監(jiān)測到移動(dòng)物體。。。 ", 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('{} 完成處理文件： {} 耗時(shí)：{}'.format(end_time.strftime('%H:%M:%S'), fname, end_time - start_time))
break
camera.release()
# cv2.destroyAllWindows() # 與上面的imshow對應(yīng)
for file in get_files(path):
fname = file.split('\\')[-1].replace('.mp4', '')
process(file, fname)
以上這篇python opencv 檢測移動(dòng)物體并截圖保存實(shí)例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
python統(tǒng)計(jì)函數(shù)被調(diào)用次數(shù)的實(shí)現(xiàn)
本文主要介紹了python如何統(tǒng)計(jì)函數(shù)被調(diào)用次數(shù)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
Python設(shè)計(jì)模式優(yōu)雅構(gòu)建代碼全面教程示例
Python作為一門多范式的編程語言,提供了豐富的設(shè)計(jì)模式應(yīng)用場景,在本文中,我們將詳細(xì)介紹 Python 中的各種設(shè)計(jì)模式,包括創(chuàng)建型、結(jié)構(gòu)型和行為型模式2023-11-11
python數(shù)據(jù)分析之實(shí)現(xiàn)地圖數(shù)據(jù)繪制
這篇文章主要為大家詳細(xì)介紹了python數(shù)據(jù)分析中如何實(shí)現(xiàn)地圖數(shù)據(jù)繪制,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2024-12-12
這篇文章主要介紹了Python使用異步編程提升程序性能,異步編程是一種強(qiáng)大的技術(shù),可以顯著提升應(yīng)用程序的性能,它允許你在不需要手動(dòng)管理線程或進(jìn)程的情況下,同時(shí)執(zhí)行多個(gè)任務(wù),需要的朋友可以參考下2025-04-04
PyNaCI能夠提供數(shù)字簽名、密鑰加密、公鑰加密、哈希和消息身份驗(yàn)證、基于密碼的密鑰派生和密碼散列功能，這篇文章主要介紹了python密碼學(xué)庫pynacl，感興趣的朋友一起看看吧2022-05-05
Python3 xml.etree.ElementTree支持的XPath語法詳解
這篇文章主要介紹了Python3 xml.etree.ElementTree支持的XPath語法詳解，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
python 獲取url中的參數(shù)列表實(shí)例
今天小編就為大家分享一篇python 獲取url中的參數(shù)列表實(shí)例，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
利用Python進(jìn)行圖像的加法，圖像混合(附代碼)
這篇文章主要介紹了利用Python進(jìn)行圖像的加法，圖像混合(附代碼)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
這篇文章主要介紹了python任務(wù)調(diào)度實(shí)現(xiàn)方法,實(shí)例分析了任務(wù)調(diào)度的原理與Python實(shí)現(xiàn)方法,需要的朋友可以參考下2015-05-05
這篇文章主要給大家介紹了如何基于Python編寫一個(gè)解析器,文章通過代碼示例介紹的非常詳細(xì),具有一定的參考價(jià)值,需要的朋友可以參考下2023-08-08