使用python与opencv怎么实现一个运动检测器功能？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
Python主要应用于：1、Web开发；2、数据科学研究；3、网络爬虫；4、嵌入式应用开发；5、游戏开发；6、桌面应用开发。
import pandas
firstframe = None
status = [None,None]
df = pandas.DataFrame(columns=["start","end"])
cap = cv2.VideoCapture(1)
while True:
check,colorframe = cap.read()
status = 0
gray = cv2.cvtColor(colorframe,cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray,(21,21),0) #高斯模糊去除噪声
if firstframe is None:
firstframe = gray
continue #捕获第一个灰度帧 得到第一帧后不进行后续处理
delta_frame = cv2.absdiff(firstframe,gray)
# ，我们需要找出第一帧和当前帧之间的区别。因此，我们使用absdiff函数并将得到的结果称为delta帧。对于我们的用例来说，仅仅找到一个差异是不够的，所以我们需要定义一个像素阈值，它可以被视为真实的对象。我们可以选择30像素作为标准阈值，并将标准阈值的颜色定义为白色（颜色代码：255). 二元阈值函数THRESH_BINARY返回一个元组值，其中只有第二项（[0]是第一项，[1]是第二项）包含生成的阈值帧。二元阈值函数用于处理含有2个离散值的非连续函数：如0或1。如果摄影机前面没有对象，我们将当前帧的状态视为0；如果摄影机前面存在对象，则将当前帧的状态视为1。
thresh_frame = cv2.threshold(delta_frame,30,255,cv2.THRESH_BINARY)[1]
thresh_frame = cv2.dilate(thresh_frame,None,iterations=3)
# 在膨胀函数Dilate中，我们可以通过设置迭代次数来设置平滑度。迭代次数越多，平滑度越高，处理时间也就越长。因此，建议保持标准化设置为3。膨胀函数中的“None”参数表示我们的应用中不需要元素结构。
#声明元组的语法 (cnts,_)
(cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for contours in cnts :
if cv2.contourArea(contours) < 10000:
continue
if cv2.contourArea(contours) < 20000:
status = 1
(x,y,w,h) = cv2.boundingRect(contours)
cv2.rectangle(colorframe,(x,y),(x+w,y+h),(0,0,255),3)
cv2.imshow("cc",colorframe)
key = cv2.waitKey(1)
if key == ord('q'):
break看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联网站建设公司，的支持。
