「 計(jì)算機(jī)視覺(jué)」幀差法移動(dòng)偵測(cè)

微信公眾號(hào):一個(gè)優(yōu)秀的廢人
如有問(wèn)題或建議邦泄,請(qǐng)公眾號(hào)留言

幀差法移動(dòng)偵測(cè)

前言

這是我大學(xué)舍友小釗在前幾天培訓(xùn)公司內(nèi)部人員順便記錄的一篇關(guān)于幀差法移動(dòng)偵測(cè)的文章撬腾,介紹下小釗枫甲,廣西佬椅亚,我的大學(xué)舍友限番,特點(diǎn)是煙勤話少愛(ài)摳腳。是一名計(jì)算機(jī)視覺(jué)工程師呀舔,主要專注于桑拿沐足(懊峙啊?呸C睦怠)霜瘪、將算法應(yīng)用到嵌入式設(shè)備上,實(shí)現(xiàn)低成本的落地方案注冊(cè) 惧磺。

當(dāng)我們要把一幅圖像中的運(yùn)動(dòng)區(qū)域和靜止區(qū)域區(qū)分開(kāi)的時(shí)候颖对,這樣的任務(wù)在計(jì)算機(jī)視覺(jué)中稱為前后景分離,而幀差法則是前后景分離中最簡(jiǎn)單的一種方法磨隘,單純考慮像素值在空間上的變化而不考慮時(shí)間特性惜互。
對(duì)于兩幀幀差法的計(jì)算過(guò)程可以用一句話描述:對(duì)于某個(gè)像素,如果它在前后兩幅圖像中的差值的絕對(duì)值超過(guò)某個(gè)設(shè)定好的閾值琳拭,則認(rèn)為它屬于前景训堆,否則認(rèn)為它屬于背景。
具體的 Python 代碼如下白嘁,使用了numpy和opencv:

'''
函數(shù)名: frame_diff
輸入:
img1    int類型的灰度圖
img2    int類型的灰度圖
thresh  幀差閾值
輸出:   前景為白色坑鱼,背景為黑色的掩碼圖
'''
def frame_diff(img1, img2, thresh):
    height, width = img1.shape[:2] # 獲取寬高
    mask = np.zeros((height, width), dtype=np.uint8) # 返回的掩碼圖
    # 遍歷圖像
    for i in xrange(height):
        for j in xrange(width):
            if abs(img1[i,j] - img2[i,j]) > thresh: # 差的絕對(duì)值大于閾值
                mask[i,j] = 255
            else:
                mask[i,j] = 0
    return mask

設(shè)定閾值為50,對(duì)兩幅實(shí)例圖像處理的結(jié)果如下:


圖1

圖2

結(jié)果

理想情況下,我們得到的掩碼圖應(yīng)該是中間擋住 lena 的一整塊全白鲁沥,這是因?yàn)橛行┫袼攸c(diǎn)差值依然小于閾值呼股,造成了一些“空洞”,在實(shí)際應(yīng)用中會(huì)帶來(lái)問(wèn)題画恰,但也只能用如膨脹之類的方法減小這些空洞彭谁。
即使存在需要人為設(shè)定閾值和會(huì)造成空洞這樣的問(wèn)題,也不能阻止我們用它來(lái)做一些應(yīng)用允扇。比如在你家安置這樣一個(gè)攝像頭缠局,在你離開(kāi)的這段時(shí)間,如果檢測(cè)到一大片移動(dòng)區(qū)域(掩碼圖中白色的像素值占全圖的比例很高)考润,那么就可以觸發(fā)一些異常報(bào)警狭园。其實(shí)很多市場(chǎng)上的智能攝像頭的移動(dòng)偵測(cè)功能就是這么做的。
其實(shí)幀差法在我個(gè)人的工作中更多是一個(gè)預(yù)處理的手段糊治,比如我會(huì)對(duì)掩碼圖中的各個(gè)連通區(qū)域做最大外接矩形把這些區(qū)域都單獨(dú)標(biāo)記出來(lái)唱矛,再對(duì)每個(gè)矩形區(qū)域做其他的處理,比如判斷它是不是個(gè)人井辜。
最后绎谦,其實(shí)上面寫的代碼很不 Python,只是為了解釋清原理寫的粥脚,真正的寫法應(yīng)該這樣:

def frame_diff2(img1, img2, thresh):
    mask = np.zeros(img1.shape, dtype=np.uint8) # 返回的掩碼圖
    mask[np.abs(img1 - img2) > thresh] = 255
    return mask

最后奉上完整代碼:

# coding: utf-8
import os, sys
import cv2
import numpy as np

'''
函數(shù)名: frame_diff
輸入:
img1    int類型的灰度圖
img2    int類型的灰度圖
thresh  幀差閾值
輸出:   前景為白色燥滑,背景為黑色的掩碼圖
'''
def frame_diff(img1, img2, thresh):
    height, width = img1.shape[:2] # 獲取寬高
    mask = np.zeros((height, width), dtype=np.uint8) # 返回的掩碼圖
    # 遍歷圖像
    for i in xrange(height):
        for j in xrange(width):
            if abs(img1[i,j] - img2[i,j]) > thresh: # 差的絕對(duì)值大于閾值
                mask[i,j] = 255
            else:
                mask[i,j] = 0
    return mask

def frame_diff2(img1, img2, thresh):
    mask = np.zeros(img1.shape, dtype=np.uint8) # 返回的掩碼圖
    mask[np.abs(img1 - img2) > thresh] = 255
    return mask

# 程序入口
def main():
    # 讀圖
    img1 = cv2.imread('lena.jpg', 0)
    img2 = cv2.imread('lena_tmpl.jpg', 0)
    img1_int = img1.astype(np.int32)
    img2_int = img2.astype(np.int32)
    
    # 幀差法獲取掩碼圖
    mask = frame_diff2(img1_int, img2_int, 50)

    # 顯示
    cv2.imshow('img1', img1)
    cv2.imshow('img2', img2)
    cv2.imshow('mask', mask)
    cv2.imwrite('img1.jpg', img1)
    cv2.imwrite('img2.jpg', img2)
    cv2.imwrite('mask.jpg', mask)
    cv2.waitKey(0)

if __name__ == '__main__':
    main()

后語(yǔ)

今天就說(shuō)到這里,小釗平時(shí)工作 996 非常忙(人家高薪哇阿逃,酸溜溜)铭拧,以下奉上我的公眾號(hào)二維碼,對(duì) Python 恃锉、算法有興趣的可以關(guān)注一下搀菩。我會(huì)不定時(shí)邀請(qǐng)小釗 摳腳大漢 嵌入一下計(jì)算機(jī)視覺(jué)方面的知識(shí),如果你想撩小釗也可以加他微信:qq584688538破托,可以躺下慢慢培養(yǎng)感情肪跋。

一個(gè)優(yōu)秀的廢人

最后發(fā)個(gè)通告,因原「 和辽埃花打印店」公號(hào)擁有者州既,也就是小釗無(wú)暇維護(hù)公眾號(hào),以后所有技術(shù)萝映、非技術(shù)的文章都將都由我這個(gè)優(yōu)秀的廢人來(lái)繼續(xù)維護(hù)吴叶。恰逢畢業(yè)季,最后放上一張我們大學(xué)時(shí)經(jīng)營(yíng)的打印店的公號(hào)序臂,紀(jì)念一下屬于我們的青春:畢業(yè)了蚌卤,從海花打印店轉(zhuǎn)移過(guò)來(lái)。

貉放恚花打印店

PS:昨天高考放榜咸灿,馬上就要填志愿了,我也幫不了你們什么大忙侮叮,我只知道廣東海洋大學(xué)牛逼
PPS:祝愿在校的畢業(yè)快樂(lè)避矢,工作的搬磚快樂(lè),在校的朋友囊榜,我們?cè)诠さ氐饶銈儭?/p>

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末审胸,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子锦聊,更是在濱河造成了極大的恐慌,老刑警劉巖箩绍,帶你破解...
    沈念sama閱讀 206,968評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件孔庭,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡材蛛,警方通過(guò)查閱死者的電腦和手機(jī)圆到,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,601評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)卑吭,“玉大人芽淡,你說(shuō)我怎么就攤上這事《股停” “怎么了挣菲?”我有些...
    開(kāi)封第一講書(shū)人閱讀 153,220評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)掷邦。 經(jīng)常有香客問(wèn)我白胀,道長(zhǎng),這世上最難降的妖魔是什么抚岗? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,416評(píng)論 1 279
  • 正文 為了忘掉前任或杠,我火速辦了婚禮,結(jié)果婚禮上宣蔚,老公的妹妹穿的比我還像新娘向抢。我一直安慰自己,他們只是感情好胚委,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,425評(píng)論 5 374
  • 文/花漫 我一把揭開(kāi)白布挟鸠。 她就那樣靜靜地躺著,像睡著了一般亩冬。 火紅的嫁衣襯著肌膚如雪兄猩。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,144評(píng)論 1 285
  • 那天,我揣著相機(jī)與錄音枢冤,去河邊找鬼鸠姨。 笑死,一個(gè)胖子當(dāng)著我的面吹牛淹真,可吹牛的內(nèi)容都是我干的讶迁。 我是一名探鬼主播,決...
    沈念sama閱讀 38,432評(píng)論 3 401
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼核蘸,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼巍糯!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起客扎,我...
    開(kāi)封第一講書(shū)人閱讀 37,088評(píng)論 0 261
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤祟峦,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后徙鱼,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體宅楞,經(jīng)...
    沈念sama閱讀 43,586評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,028評(píng)論 2 325
  • 正文 我和宋清朗相戀三年袱吆,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了厌衙。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,137評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡绞绒,死狀恐怖婶希,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情蓬衡,我是刑警寧澤喻杈,帶...
    沈念sama閱讀 33,783評(píng)論 4 324
  • 正文 年R本政府宣布,位于F島的核電站狰晚,受9級(jí)特大地震影響奕塑,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜家肯,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,343評(píng)論 3 307
  • 文/蒙蒙 一龄砰、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧讨衣,春花似錦换棚、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,333評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至歹茶,卻和暖如春夕玩,著一層夾襖步出監(jiān)牢的瞬間你弦,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,559評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工燎孟, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留禽作,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,595評(píng)論 2 355
  • 正文 我出身青樓揩页,卻偏偏與公主長(zhǎng)得像旷偿,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子爆侣,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,901評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容