---

前言

很久没更新文章了，这次因为工作场景需要检测动态目标，特此记录一下。

---

一、效果展示

二、实现方法

基于OpenCV库的背景减除方法实现的视频中的移动目标检测示例。通过从输入视频中提取前景目标，然后在特定区域内绘制检测到的移动物体的边界框。主要函数方法如下：

构造形态学操作所需的核:

cv2.getStructuringElement: 创建形态学操作所需的结构元素，这里使用椭圆形的结构元素。

创建背景减除模型:

cv2.createBackgroundSubtractorMOG2(): 创建一个高斯混合模型背景减除器，用于提取视频中的前景。

形态学操作:

cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel): 对前景图像进行形态学开运算，用于去除噪声并平滑前景目标。

轮廓检测:

cv2.findContours(fgmk.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE): 寻找前景图像中的轮廓。

三、代码

需要根据自己的视频适当微调参数

python代码

import cv2
import numpy as npdef main(path):# 第一步：使用cv2.VideoCapture读取视频camera = cv2.VideoCapture(path)width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))per_width = int(width / 4)per_height = int(height / 2)# 第二步：cv2.getStructuringElement构造形态学使用的kernelkernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))# 第三步：构造高斯混合模型model = cv2.createBackgroundSubtractorMOG2()# model = cv2.createBackgroundSubtractorKNN()# 设定区域，后面可以用于判断是否在区域内(可以设置为多边形)contour = np.array([[0, 0], [3 * per_width, per_height], [3 * per_width, height], [0, height]])while True:# 第四步：读取视频中的图片，并使用高斯模型进行拟合ret, frame = camera.read()# 运用高斯模型进行拟合，在两个标准差内设置为0，在两个标准差外设置为255fgmk = model.apply(frame)# 第五步：使用形态学的开运算做背景的去除fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel)# 第六步：cv2.findContours计算fgmk的轮廓contours, hierarchy = cv2.findContours(fgmk.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)  # 该函数计算一幅图像中目标的轮廓for c in contours:# 过滤面积较小的扰动if cv2.contourArea(c) < 80:continueelse:x, y, w, h = cv2.boundingRect(c)  # 该函数计算矩形的边界框center = (int(x + w / 2), int(y + h / 2))# 判断点是否在多边形区域内result = cv2.pointPolygonTest(contour, center, False)if result > 0:cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)# 第八步：进行图片的展示cv2.imshow('fgmk', fgmk)cv2.imshow('frame', frame)if cv2.waitKey(1) & 0xff == 27:breakcamera.release()cv2.destroyAllWindows()if __name__ == '__main__':path = "./video/test.mp4"main(path)

C++代码

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main(int argc, char** argv) {string path = "../test2.mp4";// 第一步：使用VideoCapture读取视频VideoCapture camera(path);int width = static_cast<int>(camera.get(CAP_PROP_FRAME_WIDTH));int height = static_cast<int>(camera.get(CAP_PROP_FRAME_HEIGHT));int per_width = width / 4;int per_height = height / 2;// 第二步：getStructuringElement构造形态学使用的kernelMat kernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));// 第三步：构造高斯混合模型Ptr<BackgroundSubtractorMOG2> model = createBackgroundSubtractorMOG2();// Ptr<BackgroundSubtractorKNN> model = createBackgroundSubtractorKNN();// 设定区域，后面可以用于判断是否在区域内(可以设置为多边形)vector<Point> contour = {Point(0, 0), Point(3 * per_width, per_height), Point(3 * per_width, height), Point(0, height)};while (true) {// 第四步：读取视频中的图片，并使用高斯模型进行拟合Mat frame;bool ret = camera.read(frame);if (!ret) break;// 运用高斯模型进行拟合，在两个标准差内设置为0，在两个标准差外设置为255Mat fgmk;model->apply(frame, fgmk);// 第五步：使用形态学的开运算做背景的去除morphologyEx(fgmk, fgmk, MORPH_OPEN, kernel);// 第六步：findContours计算fgmk的轮廓vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(fgmk.clone(), contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);for (const auto& c : contours) {if (contourArea(c) < 80)continue;else {Rect rect = boundingRect(c);Point center(rect.x + rect.width / 2, rect.y + rect.height / 2);// 判断点是否在多边形区域内double result = pointPolygonTest(contour, center, false);if (result > 0)rectangle(frame, rect, Scalar(0, 0, 255), 2);}}// 第八步：进行图片的展示imshow("fgmk", fgmk);imshow("frame", frame);if (waitKey(1) == 27) // 按下ESC键退出break;}camera.release();destroyAllWindows();return 0;
}

---

总结

这段代码演示了背景减除方法在移动目标检测中的应用，通过检测前景目标并在特定区域内绘制边界框，可以用于一些简单的运动分析和目标跟踪应用。

参考文档

https://blog.csdn.net/Gavinmiaoc/article/details/96474368
https://blog.csdn.net/drippingstone/article/details/116186462
如果阅读本文对你有用，欢迎一键三连呀！！！
2023年8月9日17:15:40