點擊上方「小白學視覺」，選擇加"星標"或「置頂」算法
重磅乾貨，第一時間送達
編程
本期咱們將學習如何使用OpenCV實現運動檢測服務器
運動檢測是指檢測物體相對於周圍環境的位置是否發生了變化。接下來，讓咱們一塊兒使用Python實現一個運動檢測器應用程序吧！微信
該運動檢測器能夠完成如下任務：網絡
1）在家工做時在屏幕前查找時間app
2） 監控孩子在屏幕前的時間ide
3） 在你的後院發現非法侵入函數
4） 在你的房間/房子/小巷周圍找到不須要的公共/動物活動……。學習
想要實現該運動檢測器程序咱們須要具有如下條件：優化
1）硬件要求：裝有網絡攝像機或任何類型攝像機的計算機。
2）軟件需求：Pyhton3或者更高版本。
3）附加要求：對運動檢測有必定的興趣。
接下來咱們將一步步的完成該應用程序的構建。
首先，咱們將經過網絡攝像頭捕獲第一幀，並將它視爲基準幀，以下圖所示。經過計算該基準幀中的對象與新幀對象之間的相位差來檢測運動。咱們也將獲得的結果稱爲Delta幀。
接下來，咱們將使用像素強度來優化Delta幀，優化後的幀稱爲閾值幀。而且，咱們將應用一些複雜的圖像處理技術，例如陰影消除、擴張輪廓等，以完成在閾值幀上提取對象物體。如下是您要實現的目標：
被探測對象
當這個對象進入幀和退出幀時，咱們可以很容易的捕獲這兩幀的時間戳。所以，將可以準確的在視頻中找到相關片斷。
咱們但願小夥伴都能本身實現這個程序，所以咱們就不直接嵌入代碼了。
從最基本的安裝開始，咱們須要安裝Python3或更高版本，並使用pip安裝pandas和OpenCV這兩個庫。這些工做作好，咱們的準備工做就完成了。
第一步：導入須要的庫：
第二步：初始化變量，列表，data frame：
在下面的代碼中，咱們將會了解到在何時須要使用上面涉及到的每一項。
第三步：使用網絡攝像機捕獲視頻幀：
在OpenCV中有可以打開相機並捕獲視頻幀的內置函數。其中輸入參數「0」表示計算機硬件端口號爲0的攝像機。若是咱們擁有了多個攝像頭或閉路電視等設置，能夠經過該參數提供相應的端口號。
第四步：將捕捉到的幀轉換爲灰度圖像，並應用高斯模糊去除噪聲：
因爲彩色圖片中每一個像素均具備三個顏色通道，實際上咱們並不須要使用這麼多的信息，所以首先將彩色幀轉換成灰度幀。再利用高斯模糊對圖像進行平滑處理，進而提升檢測精度。在高斯模糊函數中，咱們利用第2個參數定義了高斯核的寬度和高度；利用第3個參數，定義了標準誤差值。在這裏咱們可使用核大小爲（21,21），標準誤差爲0的標準值。想要了解有關高斯平滑的更多信息，請參考：
Smoothing Images - OpenCV 2.4.13.7 documentation In an analogous way as the Gaussian filter, the bilateral filter also considers the neighboring pixels with weights…
docs.opencv.org
第五步：捕獲第一個灰度幀
第一幀是整個處理過程當中的基準幀。經過計算此基準幀與新幀之間特定對象的相位差來檢測運動。在拍攝第一幀時，特定對象相機前不該有任何移動。可是獲得的第一幀並不須要後續處理，所以咱們能夠用continue語句跳事後續過程。
第六步：建立Delta幀和閾值幀
如今，咱們須要找出第一幀和當前幀之間的區別。所以，咱們使用absdiff函數並將獲得的結果稱爲delta幀。對於咱們的用例來講，僅僅找到一個差別是不夠的，因此咱們須要定義一個像素閾值，它能夠被視爲真實的對象。
咱們能夠選擇30像素做爲標準閾值，並將標準閾值的顏色定義爲白色（顏色代碼：255). 二元閾值函數THRESH_BINARY返回一個元組值，其中只有第二項（[0]是第一項，[1]是第二項）包含生成的閾值幀。二元閾值函數用於處理含有2個離散值的非連續函數：如0或1。若是攝影機前面沒有對象，咱們將當前幀的狀態視爲0；若是攝影機前面存在對象，則將當前幀的狀態視爲1。
更多閾值圖像處理相關知識，請參考：
Miscellaneous Image Transformations - OpenCV 2.4.13.7 documentation Performs a marker-based image segmentation using the watershed algorithm. The function implements one of the variants…
docs.opencv.org
第七步：膨脹閾值幀並在其中找到輪廓像素
「咱們的眼睛老是被光線吸引，但陰影處有更多內容。」—格雷戈裏·馬奎爾
對象的每一個部分都會在背景或自身的其餘部分留下必定的陰影。這彷佛老是讓咱們感到很困惑。例如，鼻子投射在嘴脣上的陰影，較大的靜止物體在旁邊的小物體上投射的陰影。飄動的光源，不一樣發光強度的多個光源，你房間的窗簾，光源的方向和視角等等都會對陰影形成必定的影響。
如下是在實時捕獲的幀中發現的一些干擾。所以，爲了使這些噪聲最小化，咱們須要對圖像進行濾波。在膨脹函數Dilate中，咱們能夠經過設置迭代次數來設置平滑度。迭代次數越多，平滑度越高，處理時間也就越長。所以，建議保持標準化設置爲3。膨脹函數中的「None」參數表示咱們的應用中不須要元素結構。
關於膨脹的更多知識，你能夠參考：
Image Filtering - OpenCV 2.4.13.7 documentation Functions and classes described in this section are used to perform various linear or non-linear filtering operations…
docs.opencv.org
完成過濾之後，咱們須要在該幀中找到對象輪廓。咱們用當前幀中的輪廓來識別對象的大小和位置。爲了實現這一點，咱們將該幀的一個副本傳遞到findCounters方法中，使用這個副原本查找輪廓。使用副本的緣由是，咱們不但願輪廓識別影響到原始過濾幀。
這裏有個麻煩，由於咱們必須將輪廓存儲在一個元組中，而且只須要使用該元組的第一個值。請參閱Python3中聲明元組的語法：（name，_）。
如今，咱們只須要在過濾層上找到對象的外部輪廓。對於咱們的用例來講，除了極端外部輪廓之外的其餘輪廓都是無用的。所以咱們必須使用一些近似方法來優化輪廓的提取過程。例如使用曲線近似或曲線插值，也可使用簡單鏈近似規則，即壓縮水平、垂直和對角線線段，只保留其端點。所以，咱們可以很快獲得最佳擬合輪廓。
第八步：找到輪廓區域，並在矩形中造成端點：
實際上咱們並不想捕捉像昆蟲這樣的小物體，而是要捕捉像人或動物這樣的大物體。所以咱們採用輪廓區域的概念，即跳過那些面積小於10000像素的對象。對於大於此區域的輪廓，咱們將狀態設置爲1，即檢測到對象。
想知道關於圖像處理中的輪廓，能夠參考：
Structural Analysis and Shape Descriptors - OpenCV 2.4.13.7 documentation Draws contours outlines or filled contours. The function draws contour outlines in the image if or fills the area…
docs.opencv.org
如今咱們使用boundingRect函數捕捉輪廓的座標。而後，咱們使用這些座標在彩色幀上繪製一個特定顏色、特定厚度的矩形。此矩形描述了實際檢測到的對象。
第九步：捕獲對象進入幀（場景）和退出幀（場景）時的時間戳
「狀態」列表status_list存儲值0：表明未檢測到對象，1：表明檢測到對象。此狀態值從0更改成1的時刻就是對象進入幀的那一時刻。一樣，此狀態值從1變爲0的時刻就是對象從幀中消失的那一時刻。所以，咱們從狀態列表的最後兩個值能夠得到這兩個切換事件的時間戳。
第十步：顯示全部不一樣的畫面（幀）
使用imshow（）方法，咱們將在一個獨立的窗口中顯示每一個幀並進行比較。
咱們使用waitKey函數來延遲進程，直到按下某個鍵。在這裏，咱們使用waitKey（1）從攝像機得到連續的實時反饋。想中止拍攝視頻時，只需按鍵盤上的「Q」鍵便可。
咱們同時須要在按下「Q」的同時捕獲最後一個時間戳，由於這將幫助程序結束從攝像機捕獲視頻的過程，並生成時間數據。
下面是使用該應用程序生成的實際圖像輸出。第一個圖像表示基準幀的4個幀類型，第二個圖像表示帶有對象的幀的4種類型的幀。你能比較一下區別嗎？
Baseline First Frame
Frame with a detected object
第十一步：生成時間數據
到目前爲止，全部的時間戳都存儲在pandas的data-frame變量中。爲了從生成的數據中得到更多信息，咱們將把data-frame變量導出到本地磁盤的csv文件中。
請不要忘記釋放視頻變量，由於它在內存中佔用了很多空間。同時銷燬全部窗口以免出現沒必要要的錯誤
這就是生成的csv的樣子。正如咱們所看到的那樣，在程序結束以前，這個對象已經被檢測了3次。您能夠查看開始時間和結束時間，並計算對象在攝影機前面的時間。
這個應用程序還不夠使人興奮嗎？這個應用程序是否是遠離了典型的無聊編程？物聯網愛好者甚至能夠把這個程序部署到樹莓派服務器Raspberry Pi上，並創造奇蹟！
若是本文對小夥伴有幫助，但願能夠在文末來個「一鍵三連」。
交流羣
歡迎加入公衆號讀者羣一塊兒和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫學影像、GAN、算法競賽等微信羣（之後會逐漸細分），請掃描下面微信號加羣，備註：」暱稱+學校/公司+研究方向「，例如：」張三 + 上海交大 + 視覺SLAM「。請按照格式備註，不然不予經過。添加成功後會根據研究方向邀請進入相關微信羣。請勿在羣內發送廣告，不然會請出羣，謝謝理解~
本文分享自微信公衆號 - 小白學視覺（NoobCV）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。