python opencv 物体运动轨迹

Python中的OpenCV库可以用于检测和跟踪物体的运动轨迹。下面是一个简单的实现过程：

首先，我们需要导入所需的库和模块：

import cv2
import numpy as np

接下来，我们读取视频文件或摄像头的实时流：

cap = cv2.VideoCapture('video.mp4') # 如果使用摄像头，可以输入0来捕获实时视频

然后，我们使用一些预处理步骤来帮助我们提取物体并跟踪它的运动。这些步骤包括转换为灰度图像，应用高斯模糊和运动检测：

ret, frame1 = cap.read()
gray = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)

接下来，我们使用一个while循环来遍历每一帧，并检测物体并绘制它的运动轨迹：

while True:
    ret, frame2 = cap.read()
    gray2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)
    gray2 = cv2.GaussianBlur(gray2, (21, 21), 0)
    
    # 计算当前帧和上一帧之间的差异
    diff = cv2.absdiff(gray, gray2)
    thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)[1]
    
    # 通过Dilate操作填补空隙
    thresh = cv2.dilate(thresh, None, iterations=2)
    
    # 轮廓检测
    contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    # 绘制和更新物体的运动轨迹
    for contour in contours:
        if cv2.contourArea(contour) < 1000:
            continue
        (x, y, w, h) = cv2.boundingRect(contour)
        cv2.rectangle(frame2, (x, y), (x + w, y + h), (255, 0, 0), 2)
    
    # 显示图像和运动轨迹
    cv2.imshow("Motion Tracking", frame2)
    
    # 退出循环的条件
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
    
    # 更新上一帧的图像
    gray = gray2

最后，我们释放资源并销毁窗口：

cap.release()
cv2.destroyAllWindows()

通过以上步骤，我们可以检测和跟踪物体的运动轨迹。注意，这只是一个简单的示例，你还可以根据自己的需求和应用场景对代码进行调整和优化。