opencv运动目标检测

OpenCV是一个非常流行的计算机视觉库，提供了许多用于运动目标检测的功能。下面是一些实现运动目标检测的步骤：

1. 读取视频或者摄像头视频流

import cv2

# 读取摄像头视频流
cap = cv2.VideoCapture(0)

# 读取本地视频文件
# cap = cv2.VideoCapture('test.mp4')

2. 定义背景减除器

背景减除器可以帮助我们从视频流中提取出前景物体，常用的有 MOG2 和 KNN 两种算法。

# 创建背景减除器对象
fgbg = cv2.createBackgroundSubtractorMOG2()

3. 循环读取视频帧，进行运动目标检测

while True:
    # 读取一帧视频
    ret, frame = cap.read()

    # 对当前帧进行背景减除
    fgmask = fgbg.apply(frame)

    # 对背景减除后的结果进行二值化处理
    thresh = cv2.threshold(fgmask, 30, 255, cv2.THRESH_BINARY)[1]

    # 对二值化后的图像进行形态学操作
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
    thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

    # 绘制检测框
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for c in contours:
        if cv2.contourArea(c) < 500:
            continue
        (x, y, w, h) = cv2.boundingRect(c)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 显示视频帧
    cv2.imshow('frame', frame)

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

# 释放资源
cap.release()
cv2.destroyAllWindows()

在上面的代码中，我们首先对每一帧视频进行背景减除，然后将结果进行二值化处理。接着，我们对二值化后的图像进行形态学操作，去除噪声和小物体。最后，我们使用cv2.findContours函数找到图像中的轮廓，并绘制检测框。