照著一個示例跑，目標本是捕獲進入攝像頭的第一幀然后會一直追蹤這一個物體，如果出現(xiàn)的話會框出來，但是不知道什么原因，第一個框出來之后移動到別的地方還是會框別的東西，然后攝像頭打開幾秒就自動停止了還報錯

import pandasfirstframe = Nonestatus = [None,None]df = pandas.DataFrame(columns=['start','end'])cap = cv2.VideoCapture(1)while True: check,colorframe = cap.read() status = 0 gray = 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 = gray continue #捕獲第一個灰度幀 得到第一幀后不進行后續(xù)處理 delta_frame = cv2.absdiff(firstframe,gray) # ，我們需要找出第一幀和當前幀之間的區(qū)別。因此，我們使用absdiff函數(shù)并將得到的結果稱為delta幀。對于我們的用例來說，僅僅找到一個差異是不夠的，所以我們需要定義一個像素閾值，它可以被視為真實的對象。我們可以選擇30像素作為標準閾值，并將標準閾值的顏色定義為白色（顏色代碼：255). 二元閾值函數(shù)THRESH_BINARY返回一個元組值，其中只有第二項（[0]是第一項，[1]是第二項）包含生成的閾值幀。二元閾值函數(shù)用于處理含有2個離散值的非連續(xù)函數(shù)：如0或1。如果攝影機前面沒有對象，我們將當前幀的狀態(tài)視為0；如果攝影機前面存在對象，則將當前幀的狀態(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，我們可以通過設置迭代次數(shù)來設置平滑度。迭代次數(shù)越多，平滑度越高，處理時間也就越長。因此，建議保持標準化設置為3。膨脹函數(shù)中的“None”參數(shù)表示我們的應用中不需要元素結構。 #聲明元組的語法 (cnts,_) (cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) for contours in cnts : if cv2.contourArea(contours) < 10000: continue if 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

顯然這里有什么問題。留待解決:高斯平滑參數(shù)的獲取

到此這篇關于python和opencv構建運動檢測器的實現(xiàn)的文章就介紹到這了,更多相關python opencv構建運動檢測器內容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！