OpenCV检测蟒蛇的运动

Question

我的目标是在IP摄像机流上检测特定区域的运动。我成功地编写了工作代码，但这是基于我个人的理解。

import cv2
import numpy as np
import os
import time
import datetime
import urllib
import pynotify

stream=urllib.urlopen('http://user:pass@192.168.198.120/video.mjpg')
bytes=''
fgbg = cv2.createBackgroundSubtractorMOG2()

while True:
    bytes+=stream.read(16384)
    a = bytes.find('\xff\xd8')
    b = bytes.find('\xff\xd9')
    if a!=-1 and b!=-1:
        jpg = bytes[a:b+2]
        bytes= bytes[b+2:]
        img = cv2.imdecode(np.fromstring(jpg, dtype=np.uint8),cv2.IMREAD_COLOR)
        rows,cols,c = img.shape
        mask = np.zeros(img.shape, dtype=np.uint8)
        roi_corners = np.array([[(940,220),(1080,240), (1080,310), (940,290)]], dtype=np.int32)
        channel_count = img.shape[2]
        ignore_mask_color = (255,)*channel_count
        cv2.fillPoly(mask, roi_corners, ignore_mask_color)
        masked_image = cv2.bitwise_and(img, mask)

        fgmask = fgbg.apply(masked_image)
        iii = fgmask[220:310,940:1080]

        hist,bins = np.histogram(iii.ravel(),256,[0,256])

        black, white, cnt1, cnt2 = 0,0,0,0


        for i in range(0,127):
            black += hist[i]
            cnt1+=1
        bl = float(black / cnt1)

        for i in range(128,256):
            white += hist[i]
            cnt2+=1
        wh = float(white / cnt2)

        finalResult = ((bl+1) / (wh+1))/10

    if finalResult < 1.0:
        pynotify.init("cv2alert")
            notice = pynotify.Notification('Alert', 'Alert text')
            try:
                notice.show()
            except gio.Error:
                print "Error"

这段代码可以工作，但是由于我对直方图不太了解，所以我没有直接得到值，但是对于一些“黑客”，比如直方图的左边是黑色的，右边是白色的，black / white给出了我想要的结果。我知道这是不完全正确的，但它给了我4-9的结果，当没有人在ROI和0.5-2.0的结果，当有人进入这个ROI。

我在这里的问题是:是否有其他方法来读取直方图和比较数据，或者其他方法？阅读文档对我没有帮助。

Answer 1

差分图像是两幅图像相减的结果。

因此，差分图像显示了两幅图像的差异。有了这些图像，你可以使运动可见。

在下面的脚本中，我们使用从三个连续图像计算出的差异图像，以及。这样做的好处是从结果中删除了不感兴趣的背景。

OpenCV提供了使用absdiff()从彼此之间减去两个图像的可能性。另外，对两个图像的逻辑操作已经实现。我们使用bitwise_and()方法来实现最终的差分图像。在python中，如下所示：

def diffImg(t0, t1, t2):
  d1 = cv2.absdiff(t2, t1)
  d2 = cv2.absdiff(t1, t0)
  return cv2.bitwise_and(d1, d2)

我们必须做的最后一件事是将差分图像函数引入到前面的脚本中。循环开始前，我们读取前三幅图像t_minus、t和t_plus，并将它们转换为灰度图像，因为我们不需要颜色信息。有了这些图像，就有可能开始计算差分图像。在显示了微分图像之后，我们只需要去掉最老的图像，然后读取下一个图像。最后的脚本如下：

import cv2

def diffImg(t0, t1, t2):
  d1 = cv2.absdiff(t2, t1)
  d2 = cv2.absdiff(t1, t0)
  return cv2.bitwise_and(d1, d2)

cam = cv2.VideoCapture(0)

winName = "Movement Indicator"
cv2.namedWindow(winName, cv2.WINDOW_AUTOSIZE)

# Read three images first:
t_minus = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)
t = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)
t_plus = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

while True:
  cv2.imshow( winName, diffImg(t_minus, t, t_plus) )

  # Read next image
  t_minus = t
  t = t_plus
  t_plus = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

  key = cv2.waitKey(10)
  if key == 27:
    cv2.destroyWindow(winName)
    break

print("Goodbye")

http://www.pyimagesearch.com/2015/05/25/basic-motion-detection-and-tracking-with-python-and-opencv/

Answer 2

一种检测运动的方法是使用cv2.accumulateWeighted保持场景的运行平均值。然后，将每个新帧与使用cv2.absdiff的平均值进行比较，以获得表示场景变化的图像。

我正是在我的视频处理项目中这样做的。查看文件diffavg1.py中的主循环，在其中运行累加器并执行diff。

(该项目的研究是利用多核CPU架构来实现实时视频处理，因此较晚版本的diffavg2.py、diffavg3.py和diffavg4.py的性能逐步提高，但底层的累加差分算法是相同的。)

Answer 3

这可以用ecapture来完成。

安装

pip install ecapture

代码

from ecapture import motion as md

md.motion_detect(0,"x")
print("detected")

这段代码将打印

detected

一旦在摄像机的视野中有运动