基于帧间差分与背景差分的运动目标检测算法python实现

以下是基于帧间差分与背景差分的运动目标检测算法的Python实现：

import cv2

cap = cv2.VideoCapture("video.mp4")

# 定义背景建模器
background_subtractor = cv2.createBackgroundSubtractorMOG2()

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

    # 如果读取失败则跳出循环
    if not ret:
        break

    # 对当前帧进行背景建模
    fg_mask = background_subtractor.apply(frame)

    # 对前景掩码进行形态学操作，去除噪点
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
    fg_mask = cv2.morphologyEx(fg_mask, cv2.MORPH_OPEN, kernel)

    # 找到前景轮廓并绘制矩形框
    contours, hierarchy = cv2.findContours(fg_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for contour in contours:
        rect = cv2.boundingRect(contour)
        cv2.rectangle(frame, rect, (0, 255, 0), 2)

    # 显示结果
    cv2.imshow('frame', frame)

    # 按q退出
    if cv2.waitKey(30) == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

在此实现中，我们首先创建了一个`BackgroundSubtractorMOG2`对象，该对象用于背景建模。然后，我们循环读取每一帧，并使用背景建模器得到前景掩码。接着，我们对前景掩码进行形态学操作，以去除噪点。最后，我们找到前景轮廓，并绘制矩形框。最后，我们显示结果并等待用户按下q键退出。