【python】三帧差法实现运动目标检测

三帧差法是一种常用的运动目标检测方法，它通过比较连续三帧图像之间的差异来检测运动物体。这种方法尤其适用于背景变化较小的场景。

目录

1 方案

2 实践

① 代码

② 效果图

1 方案

具体步骤如下：

① 读取视频流：使用cv2.VideoCapture()读取视频文件。

② 灰度化：将彩色图像转换为灰度图，简化后续计算。

③ 帧间差分：计算连续三帧之间的差分，absdiff函数计算两个灰度图像的绝对差值。然后，将两帧差相加。

④ 阈值处理：使用threshold函数将差分图像转换为二值图像，突出运动区域。

⑤ 形态学操作：应用闭运算（morphologyEx）去除小的噪声点。

⑥ 显示结果：使用imshow显示检测到的运动区域和当前帧。

⑦ 更新帧：将当前帧更新为下一帧，以便在循环中持续检测运动目标。

⑧ 退出循环：按’q’键退出程序。

需要注意的是，三帧差法仅适用于背景相对静止的场景。如果背景的变化较大，则需要更复杂的方法（背景减除或自适应阈值技术）。

2 实践

① 代码

import cv2
import numpy as np


def OD(video_path):
    # 初始化摄像头
    cap = cv2.VideoCapture(video_path)
    # 读取第一帧作为初始帧
    ret, frame1 = cap.read()
    frame1_gray = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)
    # 读取第二帧
    ret, frame2 = cap.read()
    frame2_gray = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)
    while True:
        # 读取第三帧
        ret, frame3 = cap.read()
        if not ret:
            break
        frame3_gray = cv2.cvtColor(frame3, cv2.COLOR_BGR2GRAY)
        # 计算帧间差
        diff1 = cv2.absdiff(frame1_gray, frame2_gray)
        diff2 = cv2.absdiff(frame2_gray, frame3_gray)
        # 将两帧差相加
        diff = cv2.add(diff1, diff2)
        # 应用阈值来提取运动区域
        _, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)
        # 使用形态学操作去除噪声
        kernel = np.ones((5, 5), np.uint8)
        closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
        # 显示结果
        cv2.imshow("video", frame3)
        cv2.imshow('Motion Detection', closing)
        # 更新帧
        frame1_gray = frame2_gray
        frame2_gray = frame3_gray
        # 按'q'退出循环
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    # 释放资源
    cap.release()
    cv2.destroyAllWindows()


if __name__ == '__main__':
    OD("test.mp4")
    pass

② 效果图

至此，本文分享的内容就结束啦。