批量视频运动目标检测并保存（帧差法）

当面对大量夜间视频时，想去找到运动目标，没时间去一个个查看，便可使用以下代码。

先在你的项目建立三个文件夹，

data：所有你想检测的视频文件、results：检测后的保存的视频文件、tu：检测到运动目标后保存的图片。

# 导入必要的软件包 
import cv2 
import os

test_dir ='/home/ycc/opencv1/data/'
save_dir ='/home/ycc/opencv1/results/'
savetu_dir='/home/ycc/opencv1/tu/'
fileList = os.listdir(test_dir)
# 视频文件输入初始化 
for i in fileList:
    im=os.path.join(test_dir,i)
    cap = cv2.VideoCapture(im)
    fps = int(cap.get(cv2.CAP_PROP_FPS))
    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
    fourcc = cv2.VideoWriter_fourcc(*"MJPG")
    out = cv2.VideoWriter(save_dir +i, fourcc, int(fps), (int(width),int(height)))
    
    # 初始化当前帧的前帧 
    lastFrame = None 
    count=0
    frame1=None
    
    # 遍历视频的每一帧 
    while cap.isOpened(): 
    
        # 读取下一帧 
        (ret, frame) = cap.read() 
        # 如果不能抓取到一帧，说明我们到了视频的结尾 
        if not ret: 
            break  
    
        # 如果第一帧是None，对其进行初始化 
        if lastFrame is None: 
            lastFrame = frame 
            continue 
    
        # 计算当前帧和前帧的不同 
        frameDelta = cv2.absdiff(lastFrame, frame) 
    
        # 当前帧设置为下一帧的前帧 
        lastFrame = frame.copy() 
    
        # 结果转为灰度图 
        thresh = cv2.cvtColor(frameDelta, cv2.COLOR_BGR2GRAY) 
    
        # 图像二值化 
        thresh = cv2.threshold(thresh, 25, 255, cv2.THRESH_BINARY)[1] 
    
        ''' 
        #去除图像噪声,先腐蚀再膨胀(形态学开运算) 
        thresh=cv2.erode(thresh,None,iterations=1) 
        thresh = cv2.dilate(thresh, None, iterations=2) 
        ''' 
    
        # 阀值图像上的轮廓位置 
        cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) 

        # 遍历轮廓 
        for c in cnts: 
            # 忽略小轮廓，排除误差,阀值自己调节
            if cv2.contourArea(c) < 300: 
                continue 
            #取不带.mp4的视频名
            j=i.split('.')[0]
            #保存运动物体图片，防止循环检测，break跳出
            cv2.imwrite(savetu_dir + j + '_' + str(count) +'.jpg', frame)
            break
        for c in cnts: 
            # 忽略小轮廓，排除误差 
            if cv2.contourArea(c) < 300: 
                continue 
            # 计算轮廓的边界框，在当前帧中画出该框
            (x, y, w, h) = cv2.boundingRect(c) 
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) 
         
        # 显示当前帧 

        cv2.imshow("frame", frame) 
        cv2.imshow("frameDelta", frameDelta) 
        cv2.imshow("thresh", thresh) 
        count+=1
        # 保存视频 
        out.write(frame) 
    
        # 如果q键被按下，跳出循环 
        if cv2.waitKey(200) & 0xFF == ord('q'): 
            break 
    
# 清理资源并关闭打开的窗口 
out.release() 
cap.release() 
cv2.destroyAllWindows()

 只保存了检测到运动目标并且没有画框时的图片，如下：

如此，就可在繁多的视频中，找到运动的目标。

注：保存检测后视频的代码可以删掉，以增加检测速度。

# 导入必要的软件包 
import cv2 
import os

test_dir ='/home/ycc/opencv1/data/'
savetu_dir='/home/ycc/opencv1/tu/'
fileList = os.listdir(test_dir)
# 视频文件输入初始化 
for i in fileList:
    im=os.path.join(test_dir,i)
    cap = cv2.VideoCapture(im)
    
    
    # 初始化当前帧的前帧 
    lastFrame = None 
    count=0
    frame1=None
    
    # 遍历视频的每一帧 
    while cap.isOpened(): 
    
        # 读取下一帧 
        (ret, frame) = cap.read() 
        # 如果不能抓取到一帧，说明我们到了视频的结尾 
        if not ret: 
            break 
    
        # 调整该帧的大小 
        #frame = cv2.resize(frame, (500, 400), interpolation=cv2.INTER_CUBIC) 
    
        # 如果第一帧是None，对其进行初始化 
        if lastFrame is None: 
            lastFrame = frame 
            continue 
    
        # 计算当前帧和前帧的不同 
        frameDelta = cv2.absdiff(lastFrame, frame) 
    
        # 当前帧设置为下一帧的前帧 
        lastFrame = frame.copy() 
    
        # 结果转为灰度图 
        thresh = cv2.cvtColor(frameDelta, cv2.COLOR_BGR2GRAY) 
    
        # 图像二值化 
        thresh = cv2.threshold(thresh, 25, 255, cv2.THRESH_BINARY)[1] 
    
        ''' 
        #去除图像噪声,先腐蚀再膨胀(形态学开运算) 
        thresh=cv2.erode(thresh,None,iterations=1) 
        thresh = cv2.dilate(thresh, None, iterations=2) 
        ''' 
    
        # 阀值图像上的轮廓位置 
        cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) 

        # 遍历轮廓 
        for c in cnts: 
            # 忽略小轮廓，排除误差,阀值自己调节
            if cv2.contourArea(c) < 300: 
                continue 
            #取不带.mp4的视频名
            j=i.split('.')[0]
            #保存运动物体图片，防止循环检测，break跳出
            cv2.imwrite(savetu_dir + j + '_' + str(count) +'.jpg', frame)
            break

        count+=1
    
        # 如果q键被按下，跳出循环 
        if cv2.waitKey(200) & 0xFF == ord('q'): 
            break 
    
# 清理资源并关闭打开的窗口 
cap.release() 
cv2.destroyAllWindows()