點擊上方“小白學視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

最近，閉路電視安全系統(tǒng)運行著多種算法來確保安全，例如面部識別，物體檢測，盜竊檢測，火災警報等。我們在運動檢測的基礎上實現了許多算法，因為在空閑幀上運行所有這些進程沒有任何意義。在本文中，我們將討論實現基于運動檢測的視頻保存。

安裝依賴庫

OpenCV：pip install opencv-python

基本動作檢測

在這里，我們將討論代碼和對如何在后臺工作的基本理解。在計算機視覺中，我們把運動看作是環(huán)境的變化。為了計算轉換，我們必須有一個背景圖像來比較。所以，我們在程序的開頭保存第一個圖像。

# Converting the image to GrayScalegray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray,(21,21),0)# Saving the First Frameif first_frame is None:    first_frame = gray    continue

然后，我們將后續(xù)幀與保存的第一幀進行比較，以觀察差異。計算完差異后，我們可以應用閾值將其轉換為黑白圖像。

#Calculates difference to detect motiondelta_frame = cv2.absdiff(first_frame, gray)#Applies Threshold and converts it to black & white imagethresh_delta = cv2.threshold(delta_frame, 30, 255, cv2.THRESH_BINARY)[1]thresh_delta = cv2.dilate(thresh_delta, None, iterations=0)#finding contours on the white portion(made by the threshold)cnts,_ = cv2.findContours(thresh_delta.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

最后一個命令在該黑白圖像中查找輪廓，并給出用于創(chuàng)建邊界框的坐標，如上面的視頻所示。使用運動檢測的好處：

它不會保存無用的空閑鏡頭。因此，減少了其他算法的工作量，因為不會保存空閑幀進行處理。
它需要較少的計算，并且適合實時實施。

阻礙與解決方案

給定的因素導致輪廓檢測不理想，運動檢測的幼稚方法會在執(zhí)行開始時為所有比較保存第一幀。不好有幾個原因：

白天的照明條件可能會改變。
天氣變化。
執(zhí)行時相機被遮擋。

解決方案：在沒有運動的情況下，可以通過定期定期更新保存的幀來輕松解決此問題。

# Number of idle frames to pass before changing the saved frame # for further comparisionsFRAMES_TO_PERSIST = 1000

然后將其放在while循環(huán)中：

#increment delay counter for every idle framedelay_counter += 1#Update the saved first frameif delay_counter > FRAMES_TO_PERSIST:    delay_counter = 0    first_frame = next_frame

當檢測到運動時，將delay_counter設置為零，微小的物體（例如蜜蜂和昆蟲）和通常不必要的輕微不必要的運動被存儲起來。解決方案：如片段所示，我們應該在該區(qū)域設置一個閾值。

# Minimum boxed area(in pixels) for a detected motion to count as actual motion# Use to filter out noise or small objectsMIN_SIZE_FOR_MOVEMENT = 2000

然后在while循環(huán)中放置一個if語句：

#Checks if the area is big enough to be considered as motion.if cv2.contourArea(c) > MIN_SIZE_FOR_MOVEMENT:    #Your code

各種平臺上的基準:

所有這些都是針對同一視頻（30-fps，1280x720）計算的。

Raspberry Pi 2：

規(guī)格
1.5 GHz處理器
1 GB內存
沒有GPU
FPS：每秒8.08幀

Jetson Nano：

規(guī)格
四核ARM處理器1.43Ghz
2 Gb內存
GPU：128核心Nvidia Maxwell
FPS：每秒33幀

個人電腦：

規(guī)格
i7第八代處理器
16 GB內存
GTX 1060 6 GB GPU
FPS：每秒37幀

潛在應用：

智能鈴：

如果有人站在您家門口，它將自動觸發(fā)鈴聲，并向您發(fā)送提示。

潛在威脅警報：

如果有人站在您家門前的時間長于正常時間，它將提醒您。

結論

在本文中，我們實現了一個非常基本但重要的算法，可用于有效運行所有其他算法。可以對該運動檢測算法進行更多修改，以使其更加健壯。

下載1：OpenCV-Contrib擴展模塊中文版教程

在「小白學視覺」公眾號后臺回復：擴展模塊中文教程，即可下載全網第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內容。

下載2：Python視覺實戰(zhàn)項目52講

在「小白學視覺」公眾號后臺回復：Python視覺實戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數、添加眼線、車牌識別、字符識別、情緒檢測、文本內容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學校計算機視覺。

下載3：OpenCV實戰(zhàn)項目20講

在「小白學視覺」公眾號后臺回復：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現20個實戰(zhàn)項目，實現OpenCV學習進階。

交流群

歡迎加入公眾號讀者群一起和同行交流，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(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~

基于OpenCV實戰(zhàn)：動態(tài)物體檢測