世界那么大,我带你去看看

OpenCV 利用USB摄像头 自动抓拍运动物体

import numpy as np
import cv2
import datetime
import os
#import imutils

def mkdir(path):
folder = os.path.exists(path)
if not folder: # 判断是否存在文件夹如果不存在则创建为文件夹
os.makedirs(path) # makedirs 创建文件时如果路径不存在会创建这个路径.

camera = cv2.VideoCapture(0)
camera.set(3,1280)
camera.set(4,960)

shot_idx = 0
# 遍历视频的每一帧
# 初始化视频流的第一帧
firstFrame = None
while True:
# 读入摄像头的帧
(grabbed, frame) = camera.read()
text = “Stop”
flat = 0
# 如果不能抓取到一帧,说明我们到了视频的结尾
if not grabbed:
break
#cv2.imshow(‘frame’,frame)
# 调整该帧的大小,转换为灰阶图像并且对其进行高斯模糊
#frame = imutils.resize(frame, width=500)
# 对帧进行预处理,先转灰度图,再进行高斯滤波。
# 用高斯滤波进行模糊处理,进行处理的原因:每个输入的视频都会因自然震动、光照变化或者摄像头本身等原因而产生噪声。对噪声进行平滑是为了避免在运动和跟踪时将其检测出来。
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)
#cv2.imshow(‘gray’, gray)
# 如果第一帧是None,对其进行初始化

if firstFrame is None:
firstFrame = gray#一开始检测的话首帧会不存在,那么就把灰度图作为首帧
continue
# 计算当前帧和第一帧的不同
# 对于每个从背景之后读取的帧都会计算其与北京之间的差异,并得到一个差分图(different map)。
# 还需要应用阈值来得到一幅黑白图像,并通过下面代码来膨胀(dilate)图像,从而对孔(hole)和缺陷(imperfection)进行归一化处理
frameDelta = cv2.absdiff(firstFrame, gray)
thresh = cv2.threshold(frameDelta, 25, 255, cv2.THRESH_BINARY)[1]
firstFrame = gray

# 扩展阀值图像填充孔洞,然后找到阀值图像上的轮廓
thresh = cv2.dilate(thresh, None, iterations=2)
# 搜索轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
#这里用的是opencv4,cv2.findContours返回了2个参数,但是用opencv3的话会返回3给参数,你要确保有足够的变量承接返回值可改成 binary, contours, hierarchy = cv.findContours(thresh, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#返回值:contours:一个列表,每一项都是一个轮廓, 不会存储轮廓所有的点,只存储能描述轮廓的点hierarchy:一个ndarray, 元素数量和轮廓数量一样, 每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3],分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号,如果没有对应项,则该值为负数

“””
cv.findContours()
参数:
1 要寻找轮廓的图像 只能传入二值图像,不是灰度图像
2 轮廓的检索模式,有四种:
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
cv2.RETR_CCOMP建立两个等级的轮廓,上面的一层为外边界,
里面的一层为内孔的边界信息。
如果内孔内还有一个连通物体,这个物体的边界也在顶层
cv2.RETR_TREE建立一个等级树结构的轮廓
3 轮廓的近似办法
cv2.CHAIN_APPROX_NONE存储所有的轮廓点,
相邻的两个点的像素位置差不超过1,
即max(abs(x1-x2),abs(y2-y1))==1
cv2.CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,
只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息
返回值:
contours:一个列表,每一项都是一个轮廓, 不会存储轮廓所有的点,只存储能描述轮廓的点
hierarchy:一个ndarray, 元素数量和轮廓数量一样,
每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3],
分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号,如果没有对应项,则该值为负数
“””
# 遍历轮廓
for c in contours:
# 轮廓太小忽略 有可能是斑点噪声

if cv2.contourArea(c) < 5000: # 该为args[“min_area”]
continue
# 将轮廓画出来
# compute the bounding box for the contour, draw it on the frame,
# and update the text
# 计算轮廓的边界框,在当前帧中画出该框
flat = 1 # 设置一个标签,当有运动的时候为1
(x, y, w, h) = cv2.boundingRect(c)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
text = “Moving”
# 在画面上显示运动

# draw the text and timestamp on the frame
# 在当前帧上写文字以及时间戳
cv2.putText(frame, “Movement State: {}”.format(text), (10, 20),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
cv2.putText(frame, datetime.datetime.now().strftime(“%A %d %B %Y %I:%M:%S%p”),
(10, frame.shape[0] – 10), cv2.FONT_HERSHEY_SIMPLEX, 0.35, (0, 0, 255), 1)

# 显示当前帧并记录用户是否按下按键

#cv2.imshow(“Thresh”, thresh)
#cv2.imshow(“Frame Delta”, frameDelta)
cv2.imshow(“Security Feed”, frame)
#cv2.imwrite(“/home/pi/Desktop/movement_detection/image.jpg”, frame)#保存到某个位置,这里是树莓派
if text==’Moving’:
capture_time = datetime.datetime.now().strftime(“%Y%m%d%H%M”)
path = ‘D:\CCTVlook\%s’ % (capture_time)
mkdir(path)
fn = path + ‘\shot%d.jpg’ % (shot_idx)
cv2.imwrite(fn, frame)
shot_idx += 1
continue

k=cv2.waitKey(1)
if k==ord(‘s’):
print(‘222222’)
print(cap.get(3))
print(cap.get(4))
cv2.imwrite(“D:\\CCTVlook\\x.png”,frame)
elif k==ord(‘q’):
print(‘完成’)
break

cap.release()
cv2.destroyAllWindows()

未经允许不得转载:爸妈网 » OpenCV 利用USB摄像头 自动抓拍运动物体

分享到:更多 ()

评论 抢沙发

评论前必须登录!

世界那么大,跟着我去看看

联系我们阿里云运行