【OpenCV】“帧差法”实现移动物体的检测（车辆识别）

目录

一、帧差法

1、概念

2、为什么帧差法可以检测运动的物体？ 

二、使用OpenCV配合帧差法实现车辆识别

1、加载视频

2、灰度处理+帧差计算

3、二值化

4、腐蚀

5、膨胀

6、框选出车辆

三、全部代码+实现效果

1、代码

2、车辆检测效果

四、帧差法存在不足之处

---

        帧差法是一种通过对视频图像序列中 相邻两帧作差分运算 来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。

        当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像 亮度差的绝对值  ，判断它是否大于 阈值 来分析视频或图像序列的运动特性，确定图像序列中有无物体运动。

        😎还记得小时候的葫芦娃动画吗？每个人物其实都是一张剪纸，也被叫做“剪纸动画”，剪一张就是一帧，假设葫芦娃动画为每秒25帧，1秒内连续播放25张不同的剪纸。

        😎因为每一帧之间是有差异的，所以我们可以看到剪纸 动 起来了。

•  😋博主演示一遍剪纸动画，让大家更直观的感受

博主有以下同一条鲨鱼的不同形态的png图片，使用图片查看来切换显示每一张图片

 👀可以看到鲨鱼动起来了！！！

        😎因此可以通过判断 前后两帧是否相同 ，来判断是否有运动的物体，即通过帧差法来检测运动的物体。

 

        😁所以下面跟着博主来学习使用OpenCV通过帧差法来进行移动车辆的识别。当然不止可以识别车辆，其他移动的物体也可以识别。

• 开发工具

         🔎Qt 5.8.0  +  OpenCV

• 通过VideoCapture来加载本地视频，循环读取每一帧并进行显示

• 为了提高计算机的运算速度，图像处理前一般将图像转成灰度图

        因为彩色图片是3通道（RGB）24位深度的图像，而灰度图是单通道8位深度的图像，因此处理灰度图比彩色图效率快多了。

• frontMat为前一帧，afterMat为后一帧

• 效果：原图（左）、处理后（右）

        通过下图可以发现检测是检测出来了，但是画面非常的暗淡（不清晰），因此需要通过二值化来让图像更清晰点。

• 通过threshold函数将图像二值化

        参数一为原图，参数二为处理后的图，直接将处理后的图覆盖掉原图即可

• 下面是二值化处理过后的效果

        可以发现图像确实是变“清晰”了，因为二值化后的图像只有黑白两种颜色。并且我们还可以发现白色噪点非常多，因为摄像机抖动，风吹树叶等原因，因此还需要通过腐蚀来去除掉这些白色噪点。

• 概念

        腐蚀是针对图片的二值化数据进行操作的，主要是针对高亮部分。使用算法，将图像的边缘腐蚀掉。作用就是将目标的边缘的“毛刺”踢除掉。

如下图所示： 

•  通过erode函数将图像进行腐蚀

•  下面是腐蚀之后的效果

        😧白色噪点确实是被去除了，但是我们的车辆也被腐蚀的不成车样（内部坑坑洼洼的），所以还需要通过膨胀将车辆进行进一步处理。

• 概念

        膨胀是针对图片的二值化数据进行操作的，主要是针对高亮部分。使用算法，将图像的边缘扩大些。作用就是将目标的边缘或者是内部的坑填掉。

如下图所示：

•  通过dilate函数将图像进行膨胀

•  下面是膨胀之后的效果 

        我们的车辆变成一个个大方块了，做到这一步差不多就可以来标记运动的车辆了，只要画矩形将白色大方块框起来即可。

• 下面是用白色的框框，框选出来的效果

        框选的原理就是找到白色方块最左边的点与最右边的点，得到之间的大小差距（矩形宽），找到白色方块最上边的点与最下边的点，得到之间的大小差距（矩形高）。

        通过宽高即可画出一个把白色方块包含在内的矩形，矩形左上角坐标通过白色方块最上方的值和最左方的值来确定。

• 我们只要将白色方框改个显眼的颜色，并在原视频的对应位置画出这个框框即可。下面附全部代码。

 

• 相机抖动+起风了

        帧差法虽然能够检测出运动的车辆，但是不仅包括车辆，任何运动的物体都会检测出来，就像上图所示，一旦相机抖动或者突然起大风，运动的物体就多了起来（两帧差异的地方很多），因此就会出现上面那种情况。

😘The end ……🔚

原创不易，转载请标明出处。

对您有帮助的话可以一键三连，会持续更新的（嘻嘻）。