python+openCV利用摄像头实现人员活动检测利用摄像头实现人员活动检测
本文实例为大家分享了python+openCV利用摄像头实现人员活动检测的具体代码,供大家参考,具体内容如下
1.前言前言
最近在做个机器人比赛,其中一项要求是让机器人实现对是否有人员活动的检测,所以就先拿PC端写一下,准备移植到机器
人的树莓派。
2.工具工具
工具还是简单的python+视觉模块openCV,代码量也比较少。很简单就可以实现
3.人员检测的原理人员检测的原理
从图书馆借了一本《特征提取与图像处理(第二版)》,是Mark S.Nixon和Alberto S.Aguado写的,其中讲了跟多关于检测
图像运动的方法,我们选取了最简单的一种。
说的很高大上,简单的说一下原理。假设有两帧不同时间采集的图像,检测运动的最简单方法就是计算图像差值。也就是说,
通过把亮度值相减可以得到变化或者运动;如果没有发生运动,相减的结果就是0;但如果图像中的目标作出的运动,他们的
图像像素亮度值就会发生变化,相减结果是一个非0的值
4.开始开始
(1).我们开启摄像头模块还是利用openCV,如下代码即可。我们使用的是笔记本电脑自带的摄像头(树莓派想直接用一个
USB摄像头插上而不是用CSI摄像头,这样直接移植代码比较方便)
camera = cv2.VideoCapture(0)
(2).查看一下camera的尺寸,用以下两个函数
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
(3).检测轮廓还是需要用灰度图像,不明白的可以看看我以前的文章
gray_pic = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
上一步骤即把图像灰度化
(4).重点说一下这个FPS的设置,我用以下写法,也是参考了一下别人的代码哈=、=
start = time.time()
"""
xxxxx中间一部分代码省略
"""
seconds = end - start
if seconds < 1.0 / fps:
time.sleep(1.0 / fps - seconds)
(5).进行一下高斯滤波模糊处理
这里说一下高斯滤波是一种线性平滑滤波,通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都
由其本身和邻域内的其他像素值经过加权平均后得到。我理解的就是一个卷积的过程。
听着很麻烦但实现很简单
评论1