关键词：
文章目录
实时动态目标检测
一、项目思路
1、获取视频、读取帧图像
2、计算连续两张图像的像素绝对差获取动态目标
3、图像预处理：灰度图、高斯模糊、二值化、膨胀
4、轮廓检测、绘制矩阵轮廓、绘制物体轮廓
5、分别实时显示矩阵轮廓、物体轮廓
二、算法详解
2.1、计算两个数组或数组与标量之间的每个元素的绝对差。
函数说明：cv2.absdiff(src1, src2)
输入参数：
src1：第一个输入数组或标量
src2：第二个输入数组或标量
2.2、轮廓检测 + 绘制物体轮廓 + 绘制矩阵轮廓
######################################################################
# （1）轮廓检测：contours, hierarchy = cv2.findContours(img, mode, method)
# 输入参数 mode: 轮廓检索模式
# （1）RETR_EXTERNAL： 只检索最外面的轮廓；
# （2）RETR_LIST： 检索所有的轮廓，但检测的轮廓不建立等级关系，将其保存到一条链表当中，
# （3）RETR_CCOMP： 检索所有的轮廓，并建立两个等级的轮廓。顶层是各部分的外部边界，内层是的边界信息;
# （4）RETR_TREE： 检索所有的轮廓，并建立一个等级树结构的轮廓;（最常用）
# method: 轮廓逼近方法
# （1）CHAIN_APPROX_NONE： 存储所有的轮廓点，相邻的两个点的像素位置差不超过1。 例如：矩阵的四条边。（最常用）
# （2）CHAIN_APPROX_SIMPLE: 压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标。 例如：矩形的4个轮廓点。
# 输出参数 contours：所有的轮廓
# hierarchy：每条轮廓对应的属性
# 备注0：轮廓就是将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。
# 备注1：函数输入图像是二值图，即黑白的（不是灰度图）。所以读取的图像要先转成灰度的，再转成二值图。
# 备注2：函数在opencv2只返回两个值：contours, hierarchy。
# 备注3：函数在opencv3会返回三个值：img, countours, hierarchy
######################################################################
# （2）绘制轮廓：v2.drawContours(image, contours, contourIdx, color, thickness) ———— (在图像上)画出图像的轮廓
# 输入参数 image: 需要绘制轮廓的目标图像，注意会改变原图
# contours: 轮廓点，上述函数cv2.findContours()的第一个返回值
# contourIdx: 轮廓的索引，表示绘制第几个轮廓。-1表示绘制所有的轮廓
# color: 绘制轮廓的颜色(RGB)
# thickness: （可选参数）轮廓线的宽度，-1表示填充
# 备注：图像需要先复制一份copy(), 否则（赋值操作的图像）与原图会随之一起改变。
######################################################################
# （3）绘制矩形边框:cv2.rectangle(img, (x, y), (x+w, y+h), color, thickness)
# (x, y)： 矩形定点
# (x+w, y+h)： 矩形的宽高
# color： 矩形的边框颜色(0, 255, 0)
# thickness： 矩形边框宽度
######################################################################
2.3、连续窗口显示
# 显示图像：cv2.imshow(window_title, img)
# 输入参数 window_title： 自定义窗口的名字
# img： 待显示图像
# 备注1：窗口会自适应图像大小
# 备注2：指定多个窗口名称，可以显示多幅图像
# 备注3：显示多幅图像的时候，若cv2.imshow()指定相同的窗口名，这样后面显示的图像会覆盖前面的图像，从而只产生一个（连续）窗口。
2.4、读取视频，显示视频，保存视频
三、项目实战：实时动态目标检测
import cv2
# （1）参数设置
Pixel_points = 500 # 像素点数（只检测大于该值的目标，小于该值的目标自动忽略）
video_path = r'C:\\Users\\my\\Videos\\car.mov' # 视频存放地址（路径中不能有中文，将导致读取失败。）
if __name__ == '__main__':
# （2）读取视频
cap = cv2.VideoCapture(video_path) # 读取视频流
_, frame1 = cap.read() # 读取第一帧
_, frame2 = cap.read() # 读取第二帧
while cap.isOpened(): # 检测视频是否可以打开
# （3）图像预处理
diff = cv2.absdiff(frame1, frame2) # 计算两张图像之间的每个像素的绝对差
gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY) # 灰度图
blur = cv2.GaussianBlur(gray, (5, 5), 0) # 高斯滤波
_, thresh = cv2.threshold(blur, 20, 255, cv2.THRESH_BINARY) # 二值化
mask = cv2.dilate(thresh, None, iterations=3) # 膨胀操作
contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 轮廓检测
# （4）轮廓检测
for contour in contours:
(x, y, w, h) = cv2.boundingRect(contour) # 获取矩阵轮廓的宽和高
if cv2.contourArea(contour) < Pixel_points: # 判断检测得到的矩形轮廓，体积是否满足大小设置
continue
cv2.rectangle(frame1, pt1=(int(x), int(y)), pt2=(int(x) + int(w), int(y) + int(h)), color=(0, 0, 255), thickness=10) # 绘制矩形轮廓
# cv2.drawContours(frame1, contours, -1, (0, 255, 0), 2) # 绘制物体轮廓
# （5）绘图
cv2.imshow('frame', frame1) # 实时显示轮廓图Frame
# cv2.imshow('mask', mask) # 实时显示掩膜图MASK
frame1 = frame2 # 保存当前帧（循环-计算最近的两帧图像的像素差）
ret, frame2 = cap.read() # 读取下一帧（循环-计算最近的两帧图像的像素差）
# （6）如果读到的帧数不为空，则继续读取；如果为空，则退出。
if frame2 is None:
break
# （7）使用 waitKey 可以控制视频的播放速度。数值越小，播放速度越快。
if cv2.waitKey(50) == ord(' '): # ord(' '): 按空格结束
break
cap.release() # 释放摄像头
cv2.destroyAllWindows() # 摧毁所有图窗
windows版yolov4目标检测实战：训练自己的数据集
...程演示环境：Windows10;cuda10.2;cudnn7.6.5;Python3.7;VisualStudio2019;OpenCV3.4需要学习ubuntu系统YOLOv4的同学请前往：《YOLOv4目标检测实战：训练自己的数据集》https://edu.51cto.com/course/22982.htmlYOLOv4来了！速度和精度双提升！与YOLOv3相比，新版本... 查看详情
课题总结opencv抠图项目实战边缘检测(代码片段)
Python小白的课题报告—OpenCV抠图项目实战（7）本系列是Python小白的课题作业《基于OpenCV的图像分割和抠图》。需要说明的是，本系列并不能算是OpenCV的抠图项目教程，只是以此为主题的课题报告。其中包括了一个... 查看详情
课题总结报告opencv抠图项目实战边缘检测(代码片段)
Python小白的课题报告—OpenCV抠图项目实战（7）本系列是Python小白的课题作业《基于OpenCV的图像分割和抠图》。需要说明的是，本系列并不能算是OpenCV的抠图项目教程，只是以此为主题的课题报告。其中包括了一个... 查看详情
自动驾驶感知算法实战4——目标检测网络详解（r-cnnfastr-cnnyolossd等）
自动驾驶感知算法实战专栏：https://blog.csdn.net/charmve/category_12097938.html目录1导言：目标检测的任务表述2.目标检测经典工作回顾2.1两阶段（2-stage）检测模型2.1.1R-CNN:R-CNN系列的开山之作小结2.1.2FastR-CNN:共享卷积运算小结2.1.3FasterR-CN... 查看详情
传统目标检测实战：hog+svm(代码片段)
....2何为传统目标检测1.3传统目标检测方法不足2.先验知识3.项目框架3.1文件架构3.2方法简要介绍4.工具函数（utils.py）5.特征提取（extract_feature.py）6.训练分类器（train.py）7.测试（test.py）8.困难样本挖... 查看详情
自动驾驶感知算法实战4——目标检测网络详解（r-cnnfastr-cnnyolossd等）
自动驾驶感知算法实战专栏：https://blog.csdn.net/charmve/category_12097938.html目录1导言：目标检测的任务表述2.目标检测经典工作回顾2.1两阶段（2-stage）检测模型2.1.1R-CNN:R-CNN系列的开山之作小结2.1.2FastR-CNN:共享卷积运算小结2.1.3FasterR-CN... 查看详情
实战：使用opencv的自动驾驶汽车车道检测（附代码）
听说今天是七夕节????？老粉丝一定知道我一向是很宠粉的，七夕节也要给大家一个惊喜。答应我，看完这篇文章，文末有惊喜等着你～一、边缘检测我们将使用Canny进行边缘检测。如果你不确定这是什么，... 查看详情
计算机视觉项目实战-目标检测与识别(代码片段)
...本博客😊😊😊本次博客内容将继续讲解关于OpenCV的相关知识🎉作者简介：⭐️⭐️⭐️目前计算机研究生在读。主要研究方向是人工智能和群智能算法方向。目前熟悉深度学习（keras、pytorch、yolov5）... 查看详情
（项目笔记）opencv目标检测程序(代码片段)
本跟踪程序核心为OpenCV里BackgroundSubtractorMOG2()类。该类通过对当前帧和背景模板的每个像素做减法，来区分前景和背景物体。这一算法只适用于背景相对固定的情况，如固定摄像头。对于跟踪小车这种需要实时更新背景的... 查看详情
yolo目标检测实战项目『原理篇』
参考技术A在目标检测中，IoU为预测框(Prediction)和真实框(Groundtruth)的交并比。如下图所示，在关于小猫的目标检测中，紫线边框为预测框(Prediction)，红线边框为真实框(Groundtruth)。在目标检测任务中，通常取IoU≥0.5，认为召回。如... 查看详情
自动驾驶中的深度学习模型量化部署加速实战
...AI算法落地的模型部署，其中有基于TensorRT的部署、基于OpenCV+CUDA的部署以及基于NCNN的部署，项目包括简单的demo案例、目标检测、语义分割、实例分割、车道线检测以及Transformer等。大家可以参考以下的链接进行学习和指正。#模... 查看详情
自动驾驶中的深度学习模型量化部署加速实战
...AI算法落地的模型部署，其中有基于TensorRT的部署、基于OpenCV+CUDA的部署以及基于NCNN的部署，项目包括简单的demo案例、目标检测、语义分割、实例分割、车道线检测以及Transformer等。大家可以参考以下的链接进行学习和指正。#模... 查看详情
使用pytorch和opencv实现实时目标检测系统
...检测模型在过去十年中取得的惊人进步相去甚远。将其与OpenCV等库的图像处理能力相结合，如今在数小时内构建实时对象检测系统原型要容易得多。在本指南中，我们将尝试向您展示如何开发用于简单对象检测应用程序... 查看详情
openCV中的目标检测
】openCV中的目标检测【英文标题】：ObjectDetectioninopenCV【发布时间】：2010-02-1110:04:26【问题描述】：我使用OpenCV用VisualC++编写的程序有问题：我必须从网络摄像头捕获帧并找到所有各种矩形（颜色无关紧要）。我尝试修改c，square... 查看详情
opencv实战（15）——轮廓检测详解(代码片段)
OpenCV实战（15）——轮廓检测详解0.前言1.提取区域轮廓1.1轮廓提取1.2复杂轮廓分析2.计算区域形状描述符2.1四边形检测3.完整代码小结系列链接0.前言在计算机视觉领域，轮廓通常指图像中对象边界的一系列点。因此&#x... 查看详情
python-项目实战--飞机大战-碰撞检测
目标了解碰撞检测方法碰撞实现1.了解碰撞检测方法pygame提供了两个非常方便的方法可以实现碰撞检测：pygame.sprite.groupcollide()两个精灵组中所有的精灵的碰撞检测groupcollide(group1,group2,dokill1,dokill2,collided=None)->Sprite_dict如... 查看详情
yolov3目标检测实战:交通标志识别
在无人驾驶中，交通标志识别是一项重要的任务。本项目以美国交通标志数据集LISA为训练对象，采用YOLOv3目标检测方法实现实时交通标志识别。具体项目过程包括包括：安装Darknet、下载LISA交通标志数据集、数据集格式转换、修... 查看详情
OpenCV检测项目的多个实例
】OpenCV检测项目的多个实例【英文标题】：OpenCVdetectmultipleinstancesofitem【发布时间】：2015-03-2002:05:22【问题描述】：我一直在练习许多OpenCV的教程和示例，主要用于特征检测和提取。我正在使用C++、VisualStudio2012并打开CV2.4.11。我... 查看详情