照著一個示例跑，目標本是捕獲進入攝像頭的第一幀然后會一直追蹤這一個物體，如果出現的話會框出來，但是不知道什么原因，第一個框出來之后移動到別的地方還是會框別的東西，然后攝像頭打開幾秒就自動停止了還報錯

import pandasfirstframe = Nonestatus = [None,None]df = pandas.DataFrame(columns=['start','end'])cap = cv2.VideoCapture(1)while True: check,colorframe = cap.read() status = 0 gray = cv2.cvtColor(colorframe,cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray,(21,21),0) #高斯模糊去除噪聲 if firstframe is None: firstframe = gray continue #捕獲第一個灰度幀 得到第一幀后不進行后續處理 delta_frame = cv2.absdiff(firstframe,gray) # ，我們需要找出第一幀和當前幀之間的區別。因此，我們使用absdiff函數并將得到的結果稱為delta幀。對于我們的用例來說，僅僅找到一個差異是不夠的，所以我們需要定義一個像素閾值，它可以被視為真實的對象。我們可以選擇30像素作為標準閾值，并將標準閾值的顏色定義為白色（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。二元閾值函數用于處理含有2個離散值的非連續函數：如0或1。如果攝影機前面沒有對象，我們將當前幀的狀態視為0；如果攝影機前面存在對象，則將當前幀的狀態視為1。 thresh_frame = cv2.threshold(delta_frame,30,255,cv2.THRESH_BINARY)[1] thresh_frame = cv2.dilate(thresh_frame,None,iterations=3) # 在膨脹函數Dilate中，我們可以通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。因此，建議保持標準化設置為3。膨脹函數中的“None”參數表示我們的應用中不需要元素結構。 #聲明元組的語法 (cnts,_) (cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) for contours in cnts : if cv2.contourArea(contours) < 10000: continue if cv2.contourArea(contours) < 20000: status = 1 (x,y,w,h) = cv2.boundingRect(contours) cv2.rectangle(colorframe,(x,y),(x+w,y+h),(0,0,255),3) cv2.imshow('cc',colorframe) key = cv2.waitKey(1) if key == ord(’q’): break

顯然這里有什么問題。留待解決:高斯平滑參數的獲取

到此這篇關于python和opencv構建運動檢測器的實現的文章就介紹到這了,更多相關python opencv構建運動檢測器內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！