python opencv 检测移动物体并截图保存实例
更新时间：2020年03月10日 10:49:11 作者：ZJL-阿友
这篇文章主要介绍了python opencv 检测移动物体并截图保存实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
最近在老家找工作，无奈老家工作真心太少，也没什么面试机会，不过之前面试一家公司，提了一个有意思的需求，检测河面没有有什么船只之类的物体，我当时第一反应是用opencv做识别，不过回家想想，河面相对的东西比较少，画面比较单一，只需要检测有没有移动的物体不就简单很多嘛，如果做街道垃圾检测的话可能就很复杂了，毕竟街道上行人，车辆，动物，很多干扰物，于是就花了一个小时写了一个小的demo，只需在程序同级目录创建一个img目录就可以了
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截图
save_path = './img/'
# 定义摄像头对象，其参数0表示第一个摄像头
camera = cv2.VideoCapture(0)
# 判断视频是否打开
if (camera.isOpened()):
print('Open')
else:
print('摄像头未打开')
# 测试用,查看视频size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 帧率
fps = 5
# 总是取前一帧做为背景（不用考虑环境影响）
pre_frame = None
while(1):
start = time.time()
# 读取视频流
ret, frame = camera.read()
# 转灰度图
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
cv2.imshow("capture", frame)
# 运动检测部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯滤波进行模糊处理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果没有背景图像就将当前帧当作背景图片
if pre_frame is None:
pre_frame = gray_lwpCV
else:
# absdiff把两幅图的差的绝对值输出到另一幅图上面来
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold阈值函数(原图像应该是灰度图,对像素值进行分类的阈值,当像素值高于（有时是小于）阈值时应该被赋予的新的像素值,阈值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨胀图像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours检测物体轮廓(寻找轮廓的图像,轮廓的检索模式,轮廓的近似办法)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
# 设置敏感度
# contourArea计算轮廓面积
if cv2.contourArea(c) < 1000:
continue
else:
print("出现目标物，请求核实")
# 保存图像
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()释放摄像头
camera.release()
#destroyAllWindows()关闭所有图像窗口
cv2.destroyAllWindows()
想出现一个矩形框跟随移动物于是进行了改造，结果发现效果不是很理想，不能很好的框住移动目标，要么只框一部分，要么出现在移动目标附近，尴尬
# -*-coding:utf-8 -*-
__author__ = "ZJL"
import cv2
import time
# 保存截图
save_path = './img/'
# 定义摄像头对象，其参数0表示第一个摄像头
camera = cv2.VideoCapture(0)
# 判断视频是否打开
if (camera.isOpened()):
print('Open')
else:
print('摄像头未打开')
# 测试用,查看视频size
size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),
int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print('size:'+repr(size))
# 帧率
fps = 5
# 总是取前一帧做为背景（不用考虑环境影响）
pre_frame = None
while(1):
start = time.time()
# 读取视频流
ret, frame = camera.read()
# 转灰度图
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if not ret:
break
end = time.time()
# 显示图像
# cv2.imshow("capture", frame)
# 运动检测部分
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
gray_lwpCV = cv2.resize(gray_lwpCV, (500, 500))
# 用高斯滤波进行模糊处理
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 如果没有背景图像就将当前帧当作背景图片
if pre_frame is None:
pre_frame = gray_lwpCV
else:
# absdiff把两幅图的差的绝对值输出到另一幅图上面来
img_delta = cv2.absdiff(pre_frame, gray_lwpCV)
#threshold阈值函数(原图像应该是灰度图,对像素值进行分类的阈值,当像素值高于（有时是小于）阈值时应该被赋予的新的像素值,阈值方法)
thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
# 膨胀图像
thresh = cv2.dilate(thresh, None, iterations=2)
# findContours检测物体轮廓(寻找轮廓的图像,轮廓的检索模式,轮廓的近似办法)
image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
# 设置敏感度
# contourArea计算轮廓面积
if cv2.contourArea(c) < 1000:
continue
else:
# 画出矩形框架,返回值x，y是矩阵左上点的坐标，w，h是矩阵的宽和高
(x, y, w, h) = cv2.boundingRect(c)
# rectangle(原图,(x,y)是矩阵的左上点坐标,(x+w,y+h)是矩阵的右下点坐标,(0,255,0)是画线对应的rgb颜色,2是所画的线的宽度)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# putText 图片中加入文字
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("出现目标物，请求核实")
# 保存图像
cv2.imwrite(save_path + str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) + '.jpg', frame)
break
pre_frame = gray_lwpCV
# 显示图像
cv2.imshow("capture", frame)
# cv2.imshow("Thresh", thresh)
# 进行阀值化来显示图片中像素强度值有显著变化的区域的画面
cv2.imshow("Frame Delta", img_delta)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# release()释放摄像头
camera.release()
#destroyAllWindows()关闭所有图像窗口
cv2.destroyAllWindows()
补充知识：基于python使用opencv监测视频指定区域是否有物体移动
缘由：车停车位，早上看到右后轮有很明显的干了的水渍，前一天下雨，车身其他位置没有如此显眼的水渍，不可能是前天雨水的水渍，仔细一看，从油箱盖一直往下，很明显，有某个X德的人故意尿在车上的，找物业拿到视频监控文件，自己看太费时间，于是。。。
思路：读取视频的关键帧，对比指定区域的数据，如果变化较大（排除环境光线变化），则有物体移动，截取当前帧保存备用。
行动：对于python处理视频不了解，找来找去，找到opencv，符合需求。
原来是个熊孩子小学生，上楼就到家了，这爹妈教也没管教说不能随地大小便么。
代码如下：
#!/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'
# 遍历目录下的视频文件
def get_files(fpath):
files_list = []
for i in os.listdir(fpath):
files_list.append(os.path.join(fpath, i))
return files_list
# 视频处理
def process(file, fname):
# camera = cv2.VideoCapture(0) # 参数0表示第一个摄像头
camera = cv2.VideoCapture(file)
# 参数设置，监测矩形区域
rectangleX = 880 # 矩形最左点x坐标
rectangleXCols = 0 # 矩形x轴上的长度
rectangleY = 650 # 矩形最上点y坐标
rectangleYCols = 100 # 矩形y轴上的长度
KeyFrame = 17 # 取关键帧的间隔数，根据视频的帧率设置，我的视频是16FPS
counter = 1 # 取帧计数器
pre_frame = None # 总是取视频流前一帧做为背景相对下一帧进行比较
# 判断视频是否打开
if not camera.isOpened():
print('视频文件打开失败！')
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
print('视频尺寸（高，宽）:', height, width)
if rectangleXCols == 0:
rectangleXCols = width - rectangleX
if rectangleYCols == 0:
rectangleYCols = height - rectangleY
start_time = datetime.now()
print('{} 开始处理文件： {}'.format(start_time.strftime('%H:%M:%S'), fname))
while True:
grabbed, frame_lwpCV = camera.read() # 读取视频流
if grabbed:
if counter % KeyFrame == 0:
# if not grabbed:
# print('{} 完成处理文件： {} 。。。 '.format(datetime.now().strftime('%H:%M:%S'),fname))
# break
gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY) # 转灰度图
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) # 用绿色矩形框显示监测区域
# cv2.imshow('lwpCVWindow', frame_lwpCV) # 显示视频播放窗口，开启消耗时间大概是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: # 设置敏感度
continue
else:
cv2.imwrite(
'image/' + fname + '_' + datetime.now().strftime('%H%M%S') + '_' + str(
random.randrange(0, 9999)) + '.jpg',
frame_lwpCV)
# print("监测到移动物体。。。 ", 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('{} 完成处理文件： {} 耗时：{}'.format(end_time.strftime('%H:%M:%S'), fname, end_time - start_time))
break
camera.release()
# cv2.destroyAllWindows() # 与上面的imshow对应
for file in get_files(path):
fname = file.split('\\')[-1].replace('.mp4', '')
process(file, fname)
以上这篇python opencv 检测移动物体并截图保存实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了python 如何在 Matplotlib 中绘制垂直线，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下2021-04-04
常常会从网络上下载一些带密码的压缩包,想要获取里面的内容,往往就要给提供商支付一些费用.想要白嫖其中的内容,常见的做法是百度搜索一些压缩包密码破解软件,但后果相信体验过的人都知道.本文详细介绍了怎么破解压缩包,需要的朋友可以参考下2021-05-05
这篇文章主要介绍了简单了解python调用其他脚本方法实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-03-03
这篇文章主要介绍了python一些性能分析的技巧，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下2020-08-08
今天小编就为大家分享一篇python得到qq句柄,并显示在前台的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
这篇文章主要为大家详细介绍了Python Opencv实现图片切割处理，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-01-01
今天小编就为大家分享一篇python 自动批量打开网页的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-02-02
这篇文章主要介绍了python如何实现不可变字典inmutabledict,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-01-01
SQLAlchemy 是用Python编程语言开发的一个开源项目,它提供了SQL工具包和ORM对象关系映射工具,使用SQLAlchemy可以实现高效和高性能的数据库访问,下面我们就来学习一下SQLAlchemy模块的具体应用吧2023-11-11
梯度下降算法是一个很基本的算法，在机器学习和优化中有着非常重要的作用，下面这篇文章主要给大家介绍了关于利用Python实现梯度下降法的相关资料，对大家具有一定的参考学习价值，需要的朋友们下面来一起看看吧。2017-07-07
最新评论