[PYTHON] Versuchen Sie, den Hintergrund und das sich bewegende Objekt des Videos mit OpenCV zu trennen

Einführung

OpenCV (Open Source Computer Vision Library) ist eine Sammlung von BSD-lizenzierten Video- / Bildverarbeitungsbibliotheken. Es gibt viele Algorithmen wie Bildfilterung, Vorlagenabgleich, Objekterkennung, Videoanalyse und maschinelles Lernen.

Beispiel für Bewegungsverfolgung mit OpenCV (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s

Klicken Sie hier für die Installation und einfache Verwendung Installieren Sie OpenCV 3 (Core + Contrib) in der Python 3-Umgebung und unterscheiden Sie zwischen OpenCV 2 und OpenCV 3 und überprüfen Sie die einfache Bedienung

Klicken Sie hier, um Standbilder zu filtern Versuchen Sie die Kantenerkennung mit OpenCV

Klicken Sie hier, um Videodateien zu verarbeiten Versuchen Sie, Videos in Echtzeit mit OpenCV zu konvertieren Versuchen Sie, Webkamera- / Videokamera-Videos in Echtzeit mit OpenCV zu konvertieren

Dieses Mal werde ich versuchen, den Hintergrund und das sich bewegende Objekt mithilfe einer Videoaufnahme mit einer Festkommakamera zu trennen. Es kann als Methode zum Extrahieren von Personen verwendet werden, wenn Personen mit einer Überwachungskamera verfolgt werden.

Algorithmus

• ** Hintergrundextraktionsmethode **

Wenn Sie die Rahmen stapeln, während Sie sie beschweren, entstehen die Teile, die sich nicht bewegen. Anstatt einfach hinzuzufügen, wird das aktuelle Bild hinzugefügt und vom Hintergrundbild subtrahiert. OpenCV verwendet cv2.absdiff (). Um den Fehler bei der Gewichtungsberechnung zu verringern, wird er unter Verwendung des Gleitkommas (np.float32) berechnet.

1. Bereiten Sie einen mit Nullen gefüllten Hintergrundrahmen vor
2. Neuer Hintergrund = Hintergrund x (1 Gewicht) + aktuelles Bild x Gewicht
3. Wiederholen Sie Schritt 2

• ** So extrahieren Sie sich bewegende Objekte ** Der absolute Wert der Differenz ist der bewegliche Körperrahmen. OpenCV verwendet sv2.absdiff ().

Beweglicher Körperrahmen = ｜ Aktueller Rahmen - Hintergrund ｜

Programm

diff&accum.py

import cv2
import numpy as np

#Konstante Definition
ESC_KEY = 27     #Esc-Taste
INTERVAL= 33     #Intervall
FRAME_RATE = 30  # fps

WINDOW_ORG = "org"
WINDOW_BACK = "back"
WINDOW_DIFF = "diff"

FILE_ORG = "org_768x576.avi"

#Fenstervorbereitung
cv2.namedWindow(WINDOW_ORG)
cv2.namedWindow(WINDOW_BACK)
cv2.namedWindow(WINDOW_DIFF)

#Lesen Sie die Originalvideodatei
mov_org = cv2.VideoCapture(FILE_ORG)

#Erster Frame gelesen
has_next, i_frame = mov_org.read()

#Hintergrundrahmen
back_frame = np.zeros_like(i_frame, np.float32)

#Konvertierungsverarbeitungsschleife
while has_next == True:
    #Konvertieren Sie das Eingabebild in einen Gleitkommatyp
    f_frame = i_frame.astype(np.float32)

    #Differenzberechnung
    diff_frame = cv2.absdiff(f_frame, back_frame)

    #Hintergrundaktualisierung
    cv2.accumulateWeighted(f_frame, back_frame, 0.025)

    #Rahmenanzeige
    cv2.imshow(WINDOW_ORG, i_frame)
    cv2.imshow(WINDOW_BACK, back_frame.astype(np.uint8))
    cv2.imshow(WINDOW_DIFF, diff_frame.astype(np.uint8))

    #Beenden Sie mit der Esc-Taste
    key = cv2.waitKey(INTERVAL)
    if key == ESC_KEY:
        break
    
    #Lesen Sie den nächsten Frame
    has_next, i_frame = mov_org.read()

#Verarbeitung beenden
cv2.destroyAllWindows()
mov_org.release()

Ausführungsergebnis

** Das Originalbild **

** Objekt zum Extrahieren von bewegten Objekten **

Hintergrundbild

Ich konnte die wandelnden Menschen erfolgreich extrahieren.