opencv实现运动追踪

以下是使用OpenCV实现运动追踪的Python代码：

import cv2
import numpy as np

camera = cv2.VideoCapture(0)
# 读取第一帧
ret, frame = camera.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)
firstframe = gray

while True:
    # 读取当前帧
    ret, frame = camera.read()
    if not ret:
        break

    # 转换为灰度图像并进行高斯模糊
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (21, 21), 0)

    # 计算当前帧与第一帧的差异
    frameDelta = cv2.absdiff(firstframe, gray)
    thresh = cv2.threshold(frameDelta, 25, 255, cv2.THRESH_BINARY)[1]

    # 扩展阈值图像填充孔洞，然后找到阈值图像上的轮廓
    thresh = cv2.dilate(thresh, None, iterations=2)
    contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 遍历轮廓
    for c in contours:
        # 如果轮廓太小，就忽略它
        if cv2.contourArea(c) < 1000:
            continue

        # 计算轮廓的外框并在当前帧中画出外框
        (x, y, w, h) = cv2.boundingRect(c)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 显示当前帧
    cv2.imshow("Security Feed", frame)
    key = cv2.waitKey(1) & 0xFF

    # 如果按下q键，就退出循环
    if key == ord("q"):
        break

# 清理摄像机资源并关闭所有窗口
camera.release()
cv2.destroyAllWindows()

该代码使用了帧差法来检测运动物体，具体步骤如下：

1. 读取第一帧并将其转换为灰度图像，然后进行高斯模糊。
2. 循环读取每一帧，将其转换为灰度图像并进行高斯模糊。
3. 计算当前帧与第一帧的差异，并将其转换为二值图像。
4. 扩展阈值图像填充孔洞，然后找到阈值图像上的轮廓。
5. 遍历轮廓，如果轮廓太小就忽略它，否则计算轮廓的外框并在当前帧中画出外框。
6. 显示当前帧，等待用户按下q键退出循环。