OpenCV是一个强大的图像和视频处理库，在这篇文章中，我将创建一个运动热图，用于检测运动、一些物体或人的流动方向，以及在投影公共区域时对建筑师的帮助。

简介：

OpenCV，或（开源计算机视觉）是英特尔于1999年开发的一个库，主要是计算机视觉和实时视频操作，它是用C++编写的，但受不同的语言（包括Python）支持。

工作流程：

这个程序是基于一种被称为高斯背景减法的技术。这项技术被广泛应用于用稳定的摄像机检测运动物体。

背景减法创建一个表示帧（图像的静态部分）背景的蒙版，对于每一帧，它将减去前一帧。

让我们对该算法如何工作的两个主要步骤进行一个简要概述：

• 背景初始化：在第一步中，通过冻结第一帧来计算背景的模型。
• 更新：在第二步中，下一帧将从上一帧中减去，因此，如果两帧之间发生变化（移动），则这些帧的差异将反映出该变化，可以通过应用过滤器来进行市场销售。

以下是背景遮罩应用于从城市摄像机录制的短视频的示例：

代码：

对于整个项目存储库，请在此处检查。

• https://github.com/robertosannazzaro/motion-heatmap-opencv/blob/master/README.md

代码首先读取输入的视频文件并初始化所需的一些变量：

  

   

    

     

    
    

     

      capture = cv2.VideoCapture('input.mp4')
     
    
   

    

     

    
    

     

      background_subtractor = cv2.bgsegm.createBackgroundSubtractorMOG()
     
    
   

    

     

    
    

     

      length = int(capture.get(cv2.CAP_PROP_FRAME_COUNT))
     
    
  
 

然后，for循环遍历帧开始：

  

   

    

     

    
    

     

      for i in range(0, length):
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

          ret, frame = capture.read()
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

          # If first frame
     
    
   

    

     

    
    

     

          if first_iteration_indicator == 1:
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

              first_frame = copy.deepcopy(frame)
     
    
   

    

     

    
    

     

              height, width = frame.shape[:2]
     
    
   

    

     

    
    

     

              accum_image = np.zeros((height, width), np.uint8)
     
    
  
 

第一个if块检查该帧是否为视频的第一帧，这样做是为了初始化背景减法的背景，然后accum_image使用与该帧的大小相对应的大小来初始化该数组。

  

   

    

     

    
    

     

      filter = background_subtractor.apply(frame)  # remove the background
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      threshold = 2
     
    
   

    

     

    
    

     

      maxValue = 2
     
    
   

    

     

    
    

     

      ret, th1 = cv2.threshold(filter, threshold, maxValue, cv2.THRESH_BINARY)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      accum_image = cv2.add(accum_image, th1)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      color_image_video = cv2.applyColorMap(accum_image, cv2.COLORMAP_HOT)
     
    
  
 

为了消除例如风，小鸟飞行等少量运动，将阈值与maxValue一起应用到遮罩上。

然后将掩码的结果添加到accum_image数组中，对每个帧执行此操作。结果由用于存储视频中发生的每个运动的accum_image数组组成，。

此外，在最后，因此，当已经对每个帧执行了先前描述的操作时，颜色映射被应用于遮罩并且遮罩与当前帧合并。

更进一步说，可以制作一个显示热图逐帧衰减的视频。为了实现这一点，将导出每个帧，然后再次使用cv2，通过合并所有帧来生成视频：

  

   

    

     

    
    

     

      video = cv2.VideoWriter('output.avi', fourcc, 30.0, (width, height))
     
    
   

    

     

    
    

     

      for image in images:
     
    
   

    

     

    
    

     

          video.write(cv2.imread(os.path.join(image_folder, image)))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      cv2.destroyAllWindows()
     
    
  
 

最后结果：

文章来源: wanghao.blog.csdn.net，作者：AI浩，版权归原作者所有，如需转载，请联系作者。

原文链接：wanghao.blog.csdn.net/article/details/109258246