python+openCV利用攝像頭實(shí)現(xiàn)人員活動(dòng)檢測(cè)

更新時(shí)間：2019年06月22日 10:36:48 作者：宇澤影帝

這篇文章主要為大家詳細(xì)介紹了python+openCV利用攝像頭實(shí)現(xiàn)人員活動(dòng)檢測(cè)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

本文實(shí)例為大家分享了python+openCV利用攝像頭實(shí)現(xiàn)人員活動(dòng)檢測(cè)的具體代碼，供大家參考，具體內(nèi)容如下

1.前言

最近在做個(gè)機(jī)器人比賽，其中一項(xiàng)要求是讓機(jī)器人實(shí)現(xiàn)對(duì)是否有人員活動(dòng)的檢測(cè)，所以就先拿PC端寫一下，準(zhǔn)備移植到機(jī)器人的樹(shù)莓派。

2.工具

工具還是簡(jiǎn)單的python+視覺(jué)模塊openCV，代碼量也比較少。很簡(jiǎn)單就可以實(shí)現(xiàn)

3.人員檢測(cè)的原理

從圖書館借了一本《特征提取與圖像處理（第二版）》，是Mark S.Nixon和Alberto S.Aguado寫的，其中講了跟多關(guān)于檢測(cè)圖像運(yùn)動(dòng)的方法，我們選取了最簡(jiǎn)單的一種。

說(shuō)的很高大上，簡(jiǎn)單的說(shuō)一下原理。假設(shè)有兩幀不同時(shí)間采集的圖像，檢測(cè)運(yùn)動(dòng)的最簡(jiǎn)單方法就是計(jì)算圖像差值。也就是說(shuō)，通過(guò)把亮度值相減可以得到變化或者運(yùn)動(dòng)；如果沒(méi)有發(fā)生運(yùn)動(dòng)，相減的結(jié)果就是0；但如果圖像中的目標(biāo)作出的運(yùn)動(dòng)，他們的圖像像素亮度值就會(huì)發(fā)生變化，相減結(jié)果是一個(gè)非0的值

4.開(kāi)始

（1）.我們開(kāi)啟攝像頭模塊還是利用openCV，如下代碼即可。我們使用的是筆記本電腦自帶的攝像頭（樹(shù)莓派想直接用一個(gè)USB攝像頭插上而不是用CSI攝像頭，這樣直接移植代碼比較方便）

camera = cv2.VideoCapture(0)

（2）.查看一下camera的尺寸，用以下兩個(gè)函數(shù)

width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))

（3）.檢測(cè)輪廓還是需要用灰度圖像，不明白的可以看看我以前的文章

gray_pic = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

上一步驟即把圖像灰度化

（4）.重點(diǎn)說(shuō)一下這個(gè)FPS的設(shè)置，我用以下寫法，也是參考了一下別人的代碼哈=、=

start = time.time()
"""
xxxxx中間一部分代碼省略
"""
 seconds = end - start
 if seconds < 1.0 / fps:
 time.sleep(1.0 / fps - seconds）

（5）.進(jìn)行一下高斯濾波模糊處理

這里說(shuō)一下高斯濾波是一種線性平滑濾波，通俗的講，高斯濾波就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到。我理解的就是一個(gè)卷積的過(guò)程。

聽(tīng)著很麻煩但實(shí)現(xiàn)很簡(jiǎn)單

gray_pic = cv2.GaussianBlur(gray_pic, (21, 21), 0)

注意（21,21）中必須是奇數(shù)，否則會(huì)出錯(cuò)，想具體了解的話有時(shí)間單獨(dú)寫一篇關(guān)于高斯的文章

（6）.計(jì)算兩圖片的差

img_delta = cv2.absdiff(pre_frame, gray_pic)

（7）.濾波，這個(gè)代碼的意思是把灰度圖中33以下的歸為0,33以上的點(diǎn)歸為255

thresh = cv2.threshold(img_delta, 30, 255, cv2.THRESH_BINARY)[1]

（8）.利用形態(tài)學(xué)的腐蝕與膨脹（上篇文章講過(guò)了，有時(shí)間詳細(xì)說(shuō)一下，網(wǎng)上資料也很多）

thresh = cv2.dilate(thresh, None, iterations=2)

（9）.findContours檢測(cè)物體的輪廓

image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

（10）.在while（1）循環(huán)中結(jié)束攝像頭的調(diào)用（按Q結(jié)束）

大家都在用這種方法，直接Copy就好啦

if cv2.waitKey(1) & 0xFF == ord('q'):
 break

5.附上源代碼

import cv2
import time
# 定義攝像頭對(duì)象，其參數(shù)0表示第一個(gè)攝像頭
camera = cv2.VideoCapture(0)
# 測(cè)試用,查看視頻size
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
size = width,height
#打印一下分辨率
print(repr(size))
#設(shè)置一下幀數(shù)和前背景
fps = 5
pre_frame = None
 
while (1):
 start = time.time()
 # 讀取視頻流
 ret, frame = camera.read()
 # 轉(zhuǎn)灰度圖
 gray_pic = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
 
 if not ret:
 print("打開(kāi)攝像頭失敗")
 break
 end = time.time()
 
 cv2.imshow("capture", frame)
 
 # 運(yùn)動(dòng)檢測(cè)部分,看看是不是5FPS
 seconds = end - start
 if seconds < 1.0 / fps:
 time.sleep(1.0 / fps - seconds)
 gray_pic = cv2.resize(gray_pic, (480, 480))
 # 用高斯濾波進(jìn)行模糊處理
 gray_pic = cv2.GaussianBlur(gray_pic, (21, 21), 0)
 
 # 如果沒(méi)有背景圖像就將當(dāng)前幀當(dāng)作背景圖片
 if pre_frame is None:
 pre_frame = gray_pic
 else:
 # absdiff把兩幅圖的差的絕對(duì)值輸出到另一幅圖上面來(lái)
 img_delta = cv2.absdiff(pre_frame, gray_pic)
 # threshold閾值函數(shù)(原圖像應(yīng)該是灰度圖,對(duì)像素值進(jìn)行分類的閾值,當(dāng)像素值高于（有時(shí)是小于）閾值時(shí)應(yīng)該被賦予的新的像素值,閾值方法)
 thresh = cv2.threshold(img_delta, 30, 255, cv2.THRESH_BINARY)[1]
 # 用一下腐蝕與膨脹
 thresh = cv2.dilate(thresh, None, iterations=2)
 # findContours檢測(cè)物體輪廓(尋找輪廓的圖像,輪廓的檢索模式,輪廓的近似辦法)
 image, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 for c in contours:
  # 設(shè)置敏感度
  # contourArea計(jì)算輪廓面積
  if cv2.contourArea(c) < 1000:
  continue
  else:
  print("有人員活動(dòng)！??！")
  # 保存圖像
  TI = time.strftime('%Y-%m-%d', time.localtime(time.time()))
  cv2.imwrite("D:\\PYthon\\first_j\\" + "JC"+TI+ '.jpg', frame)
  break
 pre_frame = gray_pic
 
 if cv2.waitKey(1) & 0xFF == ord('q'):
 break
 
# release()釋放攝像頭
camera.release()
# destroyAllWindows()關(guān)閉所有圖像窗口
cv2.destroyAllWindows()