树莓派摄像头实时监控,树莓派实现目标检测

　　内容一：在草莓派上安装OpenCv1，在Python2上安装OpenCV2，在草莓派上安装在Python3上运行OpenCV2，检测移动对象源代码。

　　一、安装OpenCv

　　物体检测需要opencv函数库，opencv函数库具有丰富而强大的图像处理功能。

　　1.在草莓派上安装运行在Python2上的opencvsudoapt-getinstallbopencv-devsudoapt-getinstallpthon-opencv。当出现下图的结果时，意味着Python2环境下的opencv安装成功。

　　2.在草莓派上安装Python3上运行的OpenCV安装对应的依赖包。(注意倒数第二个命令将安装四个开发包。)。

　　sudo apt-getinstallbuild-essentialgitcmakepkg-config-ysudoapt-getinstalllibjpeg 8-dev-ysudoapt-getinstalllibtiff 12-dev-ysudoapt-getinstallavcodec-de vlibavformat-devlibswscale-dev libs allibgtk 2.0-dev-ysudoapt-getinstallinstallivcod

　　Sudo pip 3操作系统安装-python测试

　　在终端上输入：python3。

　　然后，导入cv2

　　如果安装成功，导入没有问题

　　可以输出OpenCv的版本号。

　　使用：打印(cv2.version))

　　使用python: exit())

　　2.运动目标检测运动目标检测的本质是轮廓检测。常用的运动目标检测算法有帧差法、光流法和背景差分法。

　　1.帧差法

　　帧差法是运动目标检测中常用的方法之一。基本原理很简单。首先计算相减前后两帧的像素差，用固定闭合值二值化得到前景运动目标。如果目标不动，两帧相减的像素差为零。如果目标有明显的运动，并且两帧相减后的像素差大于闭合值，则可以通过二值化得到运动目标在视频帧中的位置。

　　2.光流法

　　光流法的优点是不需要对场景背景建模就可以检测出运动物体，所以光流法常用于检测动态场景中的运动物体。然而，光流法是基于亮度守恒的假设。在复杂的自然场景中，由于遮挡、多光源、透明、噪声等原因，光流的可靠性较低，获得的运动信息误差较大。

　　3.背景扣除法

　　背景去除法是一种有效的运动目标检测算法。基本思想是利用背景的参数模型逼近背景图像的像素值，通过比较当前帧与背景图像的差异来检测运动区域。这里，差异大的像素区域被用作移动区域，差异小的像素区域被用作背景区域。背景去除方法需要背景图像，并且背景图像需要随着光照和外界环境的变化而实时更新，因此背景去除方法的关键是背景建模及其更新。

　　这里只具体介绍帧差法。其他请自行学习。

基本步骤

　　相邻帧相减-阈值处理-去噪-蚀刻滤波-扩展连通性-轮廓搜索-外接矩形。

　　首先导入视频或摄像机。

　　#视频文件输入初始化filename=/home/pi/desktop/python code/MP4/video . MP4 # camera=cv2 . video capture(filename)卡

　　fourcc=cv2 . video writer _ fourcc( x ， v ， I ， d )# cv2 . video writer _ fourcc out 1=cv2 . video writer()/home/pi/desktop/python code/MP4/video返回的视频格式的唯一代码第三个是这个视频的fps。第四，一个元组就是这个视频的宽度和高度。

　　更改帧大小：

　　# Transform frame=cv2 . resize(frame，(800，400)，interpolation=cv2。INTER_CUBIC)转换成灰度图像，并检测轮廓。

　　#结果转换成灰度gray_pic=cv2.cvtcolor(frame，cv2。COLOR_BGR2GRAY))，受伤的小懒虫被过滤模糊。

　　/p gray _ pic=cv2。Gaussian blur (gray _ pic，(21，21)，0)将两幅图像之间的差值的绝对值输出到另一幅图像：

　　Delta=CV2。ABS Diff (last frame，gray _ pic)图像二值化，寻找轮廓的图像只能传入二值图像，不能传入灰度图像：

　　thresh=cv2 . threshold(frame delta，25，255，cv2.thresh _ binary) [1]获取轮廓位置：

　　Cnts，hierarchy=cv2 . find contexts(thresh . copy()，cv2.retr _ external，cv2.chain _ approximate _ simple)参数：

　　1要查找其轮廓的图像只能作为二进制图像传入，而不能作为灰度图像传入。

　　2大纲有四种检索模式：

　　2.cv2。RETR _外部表示只检测外部轮廓。

　　2.cv2检测到的轮廓。RETR列表不建立等级关系。

　　2.cv2。RETR_CCOMP建立两级等高线，上层是外边界，内层是内孔的边界信息。如果内孔中有另一个连接的对象，则该对象的边界也在顶层。

　　2.cv2。RETR树建立了分层树形结构的轮廓

　　3等高线的近似方法

　　2.CVChain _ Proxy _ None存储所有轮廓点，相邻两点的像素位置差小于1，即max(abs(x1-x2)，abs(y2-y1))==1。

　　2.Chain _ Proxy _ Simple压缩水平、垂直和对角线方向的元素，只保留该方向的端点坐标。例如，一个矩形轮廓只需要4个点来保存轮廓信息。

　　按键结束：

　　#如果按下Q键，跳出循环ifcv 2 . wait key(30)0x ff==ord( Q ):break wait key()函数的作用是连续刷新图像，延迟的频率和时间，单位为ms。

　　返回值是当前的键盘键值。

　　wait key()在给定的时间内(以毫秒为单位)等待用户的键被触发；如果用户不按键，继续等待(循环)。

　　Common:设置waitKey(0)意味着程序将无限期地等待用户的按键事件。

　　一般来说，在执行imgshow时，如果设置了waitKey(0)，则意味着当按下任意键继续显示视频时，需要将延迟时间设置为大于0的参数。

　　Delay 0，delay“delay”ms，这个功能在显示视频时很有用，

　　用于设置程序在显示一帧图像后等待“延时”毫秒显示下一帧视频；

　　如果使用waitKey(0)，则只显示第一帧视频源代码#导入必要的软件包导入cv2#视频文件输入初始化filename=/home/pi/desktop/python code/MP4/Video . MP4 # camera=CV2 . Video capture(filename)#如果是摄像机，camera=cv2。VideoCapture(0) #0表示默认摄像头#视频文件输出参数设置out_fps=30.0 #输出文件帧率fourcc=cv2 . video writer _ fourcc( x ， v ， I ，D )# cv2 . video writer _ fourcc out 1=cv2 . video writer(/home/pi/desktop/python code/MP4/video 2 . MP4 ，fourcc，out_fps，(800，40)) #最后，视频宽度和高度out2=cv2。 00)) #初始化当前帧的上一帧lastFrame=None#遍历视频的每一帧同时camera.isOpened(): #读取下一帧(ret，frame)=camera.read() #如果抓不到一帧，说明我们已经到了视频的末尾如果没有ret: break #调整帧的大小frame=cv2.resize (frame，(800，400)，inter _ cubic) #结果是一个灰度图像gray_pic=cv2.cvtColor(frame color _ bgr2gray) gray _ pic=cv2。Gaussian blur (gray _ pic，(21，21)，0) #如果第一帧为none，如果最后一帧为None则初始化：last frame=gray _ piccontinue #计算当前帧与前一帧的差值，将两幅图像差值的绝对值输出到另一幅图像到frame delta=cv2 . ABS diff(last frame，Gray_pic) #当前帧设置为下一帧的前一帧。lastFrame=gray_pic #图像二值化thresh=cv2 . threshold(frame delta，25，255，cv2.thresh _ binary) [1] #去除图像噪声，先腐蚀后膨胀(形态学开运算)thresh=cv2.erode (thresh，none，iterations=1)thresh=cv2 . expand(thresh，none，iterations=2) #阈值图像上的轮廓位置，在cv3中，这个函数只有三个# cv2.chain _ approximate _ simple返回值，压缩垂直、水平和对角线方向，只留下CVChain _ Proxy _ Simple) #遍历cnts中c的轮廓：#忽略小轮廓，消除错误如果CV2。轮廓区域(C) 300: continue #计算轮廓的包围盒并在当前帧中画出包围盒(x，y，w，H)=cv2 . bounding rect(C)cv2 . rectangle(Frame，(x，y)，(x w，y h)，(0，255，0)，2) #显示当前帧cv2.imshow (frame ，Frame)cv2 . im Show( Frame delta)Frame)cv2 . im Show( thresh ，thresh) #保存视频out1.write (frame) out2.write

　　利用摄像头实现人体活动检测(python openCV)

　　运动目标检测(2)-帧差法