基于机器视觉的运动检测Python代码
时间: 2024-04-22 14:21:03 浏览: 17
基于机器视觉的运动检测是一种常见的应用场景,可以通过Python编程语言实现。下面是一个简单的基于OpenCV库的运动检测代码示例:
```python
import cv2
# 读取视频文件或者摄像头
cap = cv2.VideoCapture(0)
# 初始化前一帧图像
ret, frame_prev = cap.read()
gray_prev = cv2.cvtColor(frame_prev, cv2.COLOR_BGR2GRAY)
while True:
# 读取当前帧图像
ret, frame_curr = cap.read()
if not ret:
break
# 转换为灰度图像
gray_curr = cv2.cvtColor(frame_curr, cv2.COLOR_BGR2GRAY)
# 计算当前帧与前一帧的差异
frame_diff = cv2.absdiff(gray_curr, gray_prev)
# 对差异图像进行阈值处理
_, frame_thresh = cv2.threshold(frame_diff, 30, 255, cv2.THRESH_BINARY)
# 对阈值图像进行腐蚀和膨胀操作,以去除噪声
frame_thresh = cv2.erode(frame_thresh, None, iterations=2)
frame_thresh = cv2.dilate(frame_thresh, None, iterations=2)
# 在原始图像上绘制运动物体的边界框
contours, _ = cv2.findContours(frame_thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
if cv2.contourArea(contour) < 500:
continue
(x, y, w, h) = cv2.boundingRect(contour)
cv2.rectangle(frame_curr, (x, y), (x + w, y + h), (0, 255, 0), 2)
# 显示结果图像
cv2.imshow("Motion Detection", frame_curr)
# 更新前一帧图像
gray_prev = gray_curr.copy()
# 按下ESC键退出循环
if cv2.waitKey(1) == 27:
break
# 释放资源
cap.release()
cv2.destroyAllWindows()
```
这段代码使用了OpenCV库来读取视频流或者摄像头的图像,并进行运动检测。它通过计算当前帧与前一帧的差异,然后对差异图像进行阈值处理、腐蚀和膨胀操作,最后在原始图像上绘制运动物体的边界框。