照著一個(gè)示例跑，目標(biāo)本是捕獲進(jìn)入攝像頭的第一幀然后會(huì)一直追蹤這一個(gè)物體，如果出現(xiàn)的話會(huì)框出來(lái)，但是不知道什么原因，第一個(gè)框出來(lái)之后移動(dòng)到別的地方還是會(huì)框別的東西，然后攝像頭打開(kāi)幾秒就自動(dòng)停止了還報(bào)錯(cuò)

import pandasfirstframe = None status = [None,None] df = pandas.DataFrame(columns=["start","end"]) cap = cv2.VideoCapture(1) while True:check,colorframe = cap.read()status = 0gray = cv2.cvtColor(colorframe,cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray,(21,21),0) #高斯模糊去除噪聲if firstframe is None:firstframe = graycontinue #捕獲第一個(gè)灰度幀 得到第一幀后不進(jìn)行后續(xù)處理delta_frame = cv2.absdiff(firstframe,gray)# ，我們需要找出第一幀和當(dāng)前幀之間的區(qū)別。因此，我們使用absdiff函數(shù)并將得到的結(jié)果稱(chēng)為delta幀。對(duì)于我們的用例來(lái)說(shuō)，僅僅找到一個(gè)差異是不夠的，所以我們需要定義一個(gè)像素閾值，它可以被視為真實(shí)的對(duì)象。我們可以選擇30像素作為標(biāo)準(zhǔn)閾值，并將標(biāo)準(zhǔn)閾值的顏色定義為白色（顏色代碼：255). 二元閾值函數(shù)THRESH_BINARY返回一個(gè)元組值，其中只有第二項(xiàng)（[0]是第一項(xiàng)，[1]是第二項(xiàng)）包含生成的閾值幀。二元閾值函數(shù)用于處理含有2個(gè)離散值的非連續(xù)函數(shù)：如0或1。如果攝影機(jī)前面沒(méi)有對(duì)象，我們將當(dāng)前幀的狀態(tài)視為0；如果攝影機(jī)前面存在對(duì)象，則將當(dāng)前幀的狀態(tài)視為1。 thresh_frame = cv2.threshold(delta_frame,30,255,cv2.THRESH_BINARY)[1]thresh_frame = cv2.dilate(thresh_frame,None,iterations=3)# 在膨脹函數(shù)Dilate中，我們可以通過(guò)設(shè)置迭代次數(shù)來(lái)設(shè)置平滑度。迭代次數(shù)越多，平滑度越高，處理時(shí)間也就越長(zhǎng)。因此，建議保持標(biāo)準(zhǔn)化設(shè)置為3。膨脹函數(shù)中的“None”參數(shù)表示我們的應(yīng)用中不需要元素結(jié)構(gòu)。 #聲明元組的語(yǔ)法 (cnts,_)(cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)for contours in cnts :if cv2.contourArea(contours) < 10000:continueif cv2.contourArea(contours) < 20000:status = 1(x,y,w,h) = cv2.boundingRect(contours)cv2.rectangle(colorframe,(x,y),(x+w,y+h),(0,0,255),3)cv2.imshow("cc",colorframe)key = cv2.waitKey(1)if key == ord('q'):break

顯然這里有什么問(wèn)題。
留待解決:高斯平滑參數(shù)的獲取

總結(jié)

以上是生活随笔為你收集整理的【实例】python和opencv构建运动检测器的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。