87 视频分析—基于帧差法实现移动对象分析
代码
import numpy as np
import cv2 as cv
cap = cv.VideoCapture("../images/bike.avi")
ret, prevFrame = cap.read()
prevGray = cv.cvtColor(prevFrame, cv.COLOR_BGR2GRAY)
prevGray = cv.GaussianBlur(prevGray, (0, 0), 15)
k = cv.getStructuringElement(cv.MORPH_RECT, (7, 7))
while True:
ret, frame = cap.read()
if ret is False:
break
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
gray = cv.GaussianBlur(gray, (0, 0), 15)
diff = cv.subtract(gray, prevGray)
t, binary = cv.threshold(diff, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
binary = cv.morphologyEx(binary, cv.MORPH_OPEN, k)
cv.imshow('input', frame)
cv.imshow('result', binary)
c = cv.waitKey(50)&0xff
prevGray = np.copy(gray)
if c == 27:
break
cap.release()
cv.destroyAllWindows()
实验结果
解释
光流跟踪与背景消除都是基于建模方式的视频分析方法,其实这类方法最原始的一个例子就是对视频移动对象的帧差法跟踪,这个在视频分析与处理中也是一种很常见的手段,有时候会取得意想不到的好效果,帧差法进一步划分有可以分为
- 两帧差
- 三帧差
假设有当前帧frame, 前一帧prev1,更前一帧prev2
两帧差方法直接使用前一帧 减去当前帧 diff = frame – prev1
三帧差方法计算如下:
diff1 = prev2 – prev1
diff2 = frame – prev1
diff = diff1 & diff2
帧差法在求取帧差之前一般会进行高斯模糊,用以减低干扰,通过得到的diff图像进行形态学操作,用以合并与候选区域,提升效率。帧差法的缺点有如下:
- 高斯模糊是高耗时计算
- 容易受到噪声与光线干扰
所有内容均来源于贾志刚老师的知识星球——OpenCV研习社,本文为个人整理学习,已获得贾老师授权,有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。