传统的帧差法针对前后两帧或者某几帧进行图像处理，一旦相机视角转动，就不能获得很好的检测效果，我所参与的项目就是一个云台搭载一台红外相机进行取像，这样可以大幅度的节约成本，但是对图像处理算法的要求就有所提高。
本项目对检测的实时性和精确性不高，遂提出基于相机云台周期运动的远帧差图像处理算法，因为项目不同核心的图像处理方式也是不一样的，本文隐去了本项目的核心处理算法，但是完整的保留了算法框架，大家只需要调整周期视频参数，结合自己的核心图像处理算法就可以顺利运行。
简单来说，云台一个运动周期的拍摄帧数，也就是拍摄的照片数目是固定的，取一个周期的照片和下一个周期的照片进行对比，虽然时间是不同的，但是在空间上它们所拍摄的视野是一致的，我们就可以针对这两张图片进行处理。
写在最后：在刚接触cv2时，很难顺利安装成功，在其官网也有提到，网上的处理方法有很多，尝试过后没能解决问题。猜测和电脑配置，文件夹路径，下载的版本都有很大的关系。最后，我是通过安装Conda进行了问题的解决，建议直接安装：Conda + Pycharm，便于管理和使用。
本文章写作初衷仅仅时为了分享，也曾查阅过部分CSDN大佬的帖子，有所借鉴，在此一并表示感谢！
# 必要的库需要导入，有的同学可能加载会有问题，最后再说
import cv2
# 参数为0就表示第1个摄像头；也可以直接输入需要检测的视频的地址；
camera = cv2.VideoCapture(0)
# 判断视频或摄像头是否打开:
if camera.isOpened():
print('摄像头已打开')
else:
print('摄像头未打开')
# 选择了一个形态学核：椭圆形；具体的图像处理算法根据自己的项目改变
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9))
one_time_frames = 105 # 全局变量：一个云台运动周期的视频总帧数，可以自行设置
all_frames = [] # 全局变量创建一个空数组，用来储存一个周期的所有帧
test_count = 0 # 全局变量：对比次数
i = -1 # 全局变量：计数器
# 一个循环，用于读取图像并进行图像处理：
while True:
# ret参数代表是否成功读入图像；frame参数代表传入的一帧图像
ret, frame = camera.read() # 读入摄像头或者视频的一帧
if frame is None: # 假如传入的是一段视频，此代码用来检测是否已经处理完成
break
if len(all_frames) == one_time_frames: # 判断第一个周期的图像是否收集完成
while True:
cv2.imshow('2', frame) # 展示当前周期视频
cv2.waitKey(1)
i = i + 1 # 计数器
# frame 开始和 all_frames【i】（上一周期的帧图像）进行对比:
# 对帧进行预处理，先转灰度图，再进行高斯滤波。
# 用高斯滤波进行模糊处理，进行处理的原因：每个输入的视频都会因自然震动、光照变化或者摄像头本身等原因而产生噪声。对噪声进行平滑是为了避免在运动和跟踪时将其检测出来。
gray_lwpCV = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)
# 对帧进行预处理，先转灰度图，再进行高斯滤波。
# 用高斯滤波进行模糊处理，进行处理的原因：每个输入的视频都会因自然震动、光照变化或者摄像头本身等原因而产生噪声。对噪声进行平滑是为了避免在运动和跟踪时将其检测出来。
gray_lwpCV_i = cv2.cvtColor(all_frames[i], cv2.COLOR_BGR2GRAY)
all_frames[i] = '' # 图像取出后进行删除操作，节约内存空间
gray_lwpCV_i = cv2.GaussianBlur(gray_lwpCV_i, (21, 21), 0)
diff = cv2.absdiff(gray_lwpCV_i, gray_lwpCV)
diff = cv2.threshold(diff, 40, 255, cv2.THRESH_BINARY)[1] # 二值化阈值处理，总之，这句话是把diff图像当中阈值高于40的部分转为255。
diff = cv2.dilate(diff, es, iterations=2) # 形态学膨胀操作
# ......
# 此处只是进行了简单的处理，根据你的项目在进行丰富
# ......
print("正在与上一周期的第：", i, "张图像进行对比：") # 便于观察当前进程
cv2.imshow('result', diff) # 图像处理结果
cv2.waitKey(1)
test_count = test_count + 1
break
if len(all_frames) != one_time_frames: # 收集一个周期内的视频图像放入all_frames数组
cv2.imshow('1', frame) # 一个窗口，展示一个周期内的视频，便于观察
cv2.waitKey(1) # 必要的cv2算子，保证我们能看到，而不是一闪而过
all_frames.append(frame) # 添加图像到数组中
print("正在收集上一周期的第：", len(all_frames), "张图像，请稍后") # 打印出当前数组的长度，便于观察当前进程
if test_count == one_time_frames:
all_frames = []
test_count = 0
i = -1
camera.release() # 释放相机或者视频流
cv2.destroyAllWindows() # 关闭所有窗口
第一次发帖难免会有错误，敬请指正。
点个赞吧~