OpenCV 跟蹤
本演示旨在學習如何使用 Python 和 OpenCV 建立一個非常基本且簡單的運動檢測和跟蹤系統。我們在本文末尾實現了用矩形邊界框跟蹤每個人。
使用 Python 和 OpenCV 建立運動檢測和跟蹤系統
首先，我們需要從 CAP 例項中讀取兩個幀。
ret, F1 = CAP.read()
同樣，我們將閱讀第二幀。
ret, F2 = CAP.read()
現在我們將宣告一個名為 DF 的變數並使用 absdiff() 函式。absdiff() 幫助找到幀之間的絕對差異，第一個 F1 和第二個 F2。
while CAP.isOpened():
if ret == False:
print(ret)
break
DF = cv2.absdiff(F1, F2)
使用 cvtColor() 方法將此差異轉換為灰度模式。第一個引數是 DF。
第二個引數將是 COLOR_BGR2GRAY，這將有助於將幀顏色 BGR 轉換為灰度模式；為什麼我們要找出灰度模式？
因為我們會在後期找到輪廓，所以灰度模式比彩色模式更容易找到輪廓。
Gray_Scale = cv2.cvtColor(DF, cv2.COLOR_BGR2GRAY)
一旦我們有了灰度模式，我們需要使用 GaussianBlur() 方法來模糊我們的灰度幀。它需要一些引數；第一個是 Gray_Scale，第二個引數是核心大小 5x5，第三個引數是 Sigma X 值。
BL = cv2.GaussianBlur(Gray_Scale, (5, 5), 0)
我們需要使用 threshold() 方法來確定閾值。它返回兩個物件；我們定義 _，因為我們不需要第一個變數，然後第二個變數將是 thresh。
在第一個引數中，我們將我們的模糊影象作為源傳遞，然後第二個引數將是閾值 20。最大閾值為 255；型別將是 THRESH_BINARY。
_, thresh = cv2.threshold(BL, 20, 255, cv2.THRESH_BINARY)
我們需要擴大閾值影象以填充所有孔；這將幫助我們找到更好的輪廓。dilate() 方法有幾個引數；第一個引數將是定義的閾值，第二個引數將是核心大小，但我們將其傳遞給 None。
第三個引數是迭代次數為 3。如果不起作用，你可以增加或減少迭代次數。
DL = cv2.dilate(thresh, None, iterations=3)
在下一步中，我們將找出輪廓，findContours() 方法為我們提供了兩個結果；一個是輪廓，另一個是層次結構，但我們不打算使用第二個結果。我們將在膨脹影象上找到輪廓。
所以我們在第一個引數中傳遞擴張影象，接下來是最常用的 RETR_TREE 模式。下一個引數將是 CHAIN_APPROX_SIMPLE 方法。
CTS, _ = cv2.findContours(DL, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
在下一步中，我們要繪製矩形，因此我們將使用 for 迴圈遍歷所有輪廓。CTS 是一個列表，我們正在迭代這個列表，所以第一步是使用 boundingRect() 方法儲存輪廓的所有座標。
下一步，我們將找出輪廓區域，如果這個區域小於某個值，我們將不會繪製矩形。在 for 迴圈中，我們將定義如果輪廓面積小於 700，我們將繼續迭代；否則，繪製矩形。
要繪製矩形，我們需要使用 cv2.rectangle() 方法，這裡的第一個引數將是源，即 F1；第二個引數將是點 1 (x,y)。第三個引數是點 2，下一個引數是作為顏色值的元組，下一個引數是厚度。
for CT in CTS:
(x, y, w, h) = cv2.boundingRect(CT)
if cv2.contourArea(CT) < 900:
continue
cv2.rectangle(F1, (x, y), (x + w, y + h), (0, 255, 0), 2)
如果觀察到一些移動，我們將在影象上放置一些文字。我們將使用 cv2.putText() 方法；此方法將採用 F1，第二個將是文字，下一個引數引數將是我們要放置此文字的原點。
下一個引數是字型 FONT_HERSHEY_SIMPLEX；下一個引數將是字型比例。接下來是字型的顏色；然後，最後一個引數將是文字的粗細。
cv2.putText(
F1,
"Status: {}".format("Movement"),
(10, 20),
cv2.FONT_HERSHEY_SIMPLEX,
1,
(0, 0, 255),
3,
)
現在我們將在迴圈之外編寫一些程式碼。首先，我們將編寫輸出影象以儲存輸出，然後顯示 F1，即應用輪廓後的結果。
在下一行中，我們正在讀取變數 F2 中的新幀，在讀取新幀之前，我們將 F2 的值分配給 F1。這樣，我們正在閱讀並找到兩個框架之間的差異。
OP.write(IMG)
cv2.imshow("feed", F1)
F1 = F2
ret, F2 = CAP.read()
完整的原始碼：
import cv2
import numpy as np
CAP = cv2.VideoCapture("input.avi")
FR_W = int(CAP.get(cv2.CAP_PROP_FRAME_WIDTH))
FR_H = int(CAP.get(cv2.CAP_PROP_FRAME_HEIGHT))
FRC = cv2.VideoWriter_fourcc("X", "V", "I", "D")
OP = cv2.VideoWriter("output.avi", FRC, 5.0, (1280, 720))
ret, F1 = CAP.read()
ret, F2 = CAP.read()
print(F1.shape)
while CAP.isOpened():
if ret == False:
print(ret)
break
DF = cv2.absdiff(F1, F2)
Gray_Scale = cv2.cvtColor(DF, cv2.COLOR_BGR2GRAY)
BL = cv2.GaussianBlur(Gray_Scale, (5, 5), 0)
_, thresh = cv2.threshold(BL, 20, 255, cv2.THRESH_BINARY)
DL = cv2.dilate(thresh, None, iterations=3)
CTS, _ = cv2.findContours(DL, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
for CT in CTS:
(x, y, w, h) = cv2.boundingRect(CT)
if cv2.contourArea(CT) < 900:
continue
cv2.rectangle(F1, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.putText(
F1,
"Status: {}".format("Movement"),
(10, 20),
cv2.FONT_HERSHEY_SIMPLEX,
1,
(0, 0, 255),
3,
)
IMG = cv2.resize(F1, (1280, 720))
OP.write(IMG)
cv2.imshow("feed", F1)
F1 = F2
ret, F2 = CAP.read()
if cv2.waitKey(40) == 27:
break
cv2.destroyAllWindows()
CAP.release()
OP.release()
我們可以看到狀態顯示移動，因為所有人都在移動。我們還可以檢視圍繞移動的人繪製的矩形。
Hello! I am Salman Bin Mehmood(Baum), a software developer and I help organizations, address complex problems. My expertise lies within back-end, data science and machine learning. I am a lifelong learner, currently working on metaverse, and enrolled in a course building an AI application with python. I love solving problems and developing bug-free software for people. I write content related to python and hot Technologies.
LinkedIn