文章目录
前言
很久没更新文章了，这次因为工作场景需要检测动态目标，特此记录一下。
一、效果展示
二、实现方法
基于OpenCV库的背景减除方法实现的视频中的移动目标检测示例。通过从输入视频中提取前景目标，然后在特定区域内绘制检测到的移动物体的边界框。主要函数方法如下：
构造形态学操作所需的核:
cv2.getStructuringElement: 创建形态学操作所需的结构元素，这里使用椭圆形的结构元素。
创建背景减除模型:
cv2.createBackgroundSubtractorMOG2(): 创建一个高斯混合模型背景减除器，用于提取视频中的前景。
形态学操作:
cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel): 对前景图像进行形态学开运算，用于去除噪声并平滑前景目标。
轮廓检测:
cv2.findContours(fgmk.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE): 寻找前景图像中的轮廓。
三、代码
需要根据自己的视频适当微调参数
python代码
python
import cv2
import numpy as np
def main(path):
# 第一步：使用cv2.VideoCapture读取视频
camera = cv2.VideoCapture(path)
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
per_width = int(width / 4)
per_height = int(height / 2)
# 第二步：cv2.getStructuringElement构造形态学使用的kernel
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
# 第三步：构造高斯混合模型
model = cv2.createBackgroundSubtractorMOG2()
# model = cv2.createBackgroundSubtractorKNN()
# 设定区域，后面可以用于判断是否在区域内(可以设置为多边形)
contour = np.array([[0, 0], [3 * per_width, per_height], [3 * per_width, height], [0, height]])
while True:
# 第四步：读取视频中的图片，并使用高斯模型进行拟合
ret, frame = camera.read()
# 运用高斯模型进行拟合，在两个标准差内设置为0，在两个标准差外设置为255
fgmk = model.apply(frame)
# 第五步：使用形态学的开运算做背景的去除
fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel)
# 第六步：cv2.findContours计算fgmk的轮廓
contours, hierarchy = cv2.findContours(fgmk.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE) # 该函数计算一幅图像中目标的轮廓
for c in contours:
# 过滤面积较小的扰动
if cv2.contourArea(c) < 80:
continue
else:
x, y, w, h = cv2.boundingRect(c) # 该函数计算矩形的边界框
center = (int(x + w / 2), int(y + h / 2))
# 判断点是否在多边形区域内
result = cv2.pointPolygonTest(contour, center, False)
if result > 0:
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
# 第八步：进行图片的展示
cv2.imshow('fgmk', fgmk)
cv2.imshow('frame', frame)
if cv2.waitKey(1) & 0xff == 27:
break
camera.release()
cv2.destroyAllWindows()
if __name__ == '__main__':
path = "./video/test.mp4"
main(path)C++代码
cpp
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main(int argc, char** argv) {
string path = "../test2.mp4";
// 第一步：使用VideoCapture读取视频
VideoCapture camera(path);
int width = static_cast<int>(camera.get(CAP_PROP_FRAME_WIDTH));
int height = static_cast<int>(camera.get(CAP_PROP_FRAME_HEIGHT));
int per_width = width / 4;
int per_height = height / 2;
// 第二步：getStructuringElement构造形态学使用的kernel
Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
// 第三步：构造高斯混合模型
Ptr<BackgroundSubtractorMOG2> model = createBackgroundSubtractorMOG2();
// Ptr<BackgroundSubtractorKNN> model = createBackgroundSubtractorKNN();
// 设定区域，后面可以用于判断是否在区域内(可以设置为多边形)
vector<Point> contour = {Point(0, 0), Point(3 * per_width, per_height), Point(3 * per_width, height), Point(0, height)};
while (true) {
// 第四步：读取视频中的图片，并使用高斯模型进行拟合
Mat frame;
bool ret = camera.read(frame);
if (!ret) break;
// 运用高斯模型进行拟合，在两个标准差内设置为0，在两个标准差外设置为255
Mat fgmk;
model->apply(frame, fgmk);
// 第五步：使用形态学的开运算做背景的去除
morphologyEx(fgmk, fgmk, MORPH_OPEN, kernel);
// 第六步：findContours计算fgmk的轮廓
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(fgmk.clone(), contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (const auto& c : contours) {
if (contourArea(c) < 80)
continue;
else {
Rect rect = boundingRect(c);
Point center(rect.x + rect.width / 2, rect.y + rect.height / 2);
// 判断点是否在多边形区域内
double result = pointPolygonTest(contour, center, false);
if (result > 0)
rectangle(frame, rect, Scalar(0, 0, 255), 2);
}
}
// 第八步：进行图片的展示
imshow("fgmk", fgmk);
imshow("frame", frame);
if (waitKey(1) == 27) // 按下ESC键退出
break;
}
camera.release();
destroyAllWindows();
return 0;
}总结
这段代码演示了背景减除方法在移动目标检测中的应用，通过检测前景目标并在特定区域内绘制边界框，可以用于一些简单的运动分析和目标跟踪应用。
参考文档
https://blog.csdn.net/Gavinmiaoc/article/details/96474368
https://blog.csdn.net/drippingstone/article/details/116186462
如果阅读本文对你有用，欢迎一键三连呀！！！
2023年8月9日17:15:40
