【开盖即食】多种算法实现画面动静判断(附源码)

2024-08-22 03:12

本文主要是介绍【开盖即食】多种算法实现画面动静判断(附源码),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

大家好,我是cv君,今天想跟大家分享一下,如何实现画面动静判断、判断画面或者物体是否在运动或者是比较静止,简单使用计算机视觉传统方法实现,AI的后续带给大家。我们提供三种方案:

1、背景消除法;

2、光流追踪法;

3、相似度、清晰度变化法;

代码开盖即食,拿来可用,请品尝~

然后我们可以把视频中运动的部分保留,静止的部分扣除;

1、背景消除法;

import cv2
import numpy as np# 配置视频文件路径和输出文件路径
video_path = r"demo3.mp4"
output_video_path = r"demo3.avi"# 打开视频文件
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():print("无法打开视频文件")exit()# 获取视频基本信息
fps = cap.get(cv2.CAP_PROP_FPS)  # 帧率
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))# 创建背景减除器
bg_subtractor = cv2.createBackgroundSubtractorMOG2(varThreshold=30)
# fgbg = cv2.createBackgroundSubtractorMOG2(varThreshold=30, detectShadows=True)  # 设置输出视频编解码器
fourcc = cv2.VideoWriter_fourcc(*'MJPG')
out = cv2.VideoWriter(output_video_path, fourcc, fps, (frame_width, frame_height))# 处理每一秒的帧
frame_count = 0
seconds_counter = 0
frame_buffer = []while True:ret, frame = cap.read()if not ret:breakframe_count += 1second = int(frame_count // fps)  # 当前秒钟# 应用背景减除器fg_mask = bg_subtractor.apply(frame)# 计算前景区域的像素数量non_zero_count = cv2.countNonZero(fg_mask)# 保存当前帧到缓冲区frame_buffer.append(frame)# 每秒钟结束时判断运动情况if frame_count % 10 == 0:# print(non_zero_count)if non_zero_count > 15000:  # 根据实际情况调整阈值print(f"第 {second} 秒有运动")for f in frame_buffer:out.write(f)  # 将帧写入输出视频else:print(f"第 {second} 秒静止")frame_buffer.clear()  # 清空缓冲区准备处理下一秒的帧# 释放资源
cap.release()
out.release()
cv2.destroyAllWindows()

2、光流追踪法;

import cv2
import numpy as np# 配置视频文件路径和输出文件路径
video_path = r"zjkzlzxjg-1511.ts"
output_video_path = r"demo3.avi"# 打开视频文件
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():print("无法打开视频文件")exit()# 获取视频基本信息
fps = cap.get(cv2.CAP_PROP_FPS)  # 帧率
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))# 设置输出视频编解码器
fourcc = cv2.VideoWriter_fourcc(*'MJPG')
out = cv2.VideoWriter(output_video_path, fourcc, fps, (frame_width, frame_height))# 读取第一帧
ret, prev_frame = cap.read()
if not ret:print("无法读取视频帧")exit()prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)# 提取关键点
prev_pts = cv2.goodFeaturesToTrack(prev_gray, maxCorners=1000, qualityLevel=0.3, minDistance=7, blockSize=7)if prev_pts is None:print("无法提取关键点")cap.release()out.release()cv2.destroyAllWindows()exit()
if prev_pts is not None:prev_pts = np.float32(prev_pts).reshape(-1, 1, 2)
# prev_pts = np.int0(prev_pts)frame_buffer = []
frame_count = 0while True:ret, frame = cap.read()if not ret:breakframe_count += 1second = int(frame_count // fps)  # 当前秒钟gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 计算光流next_pts, status, err = cv2.calcOpticalFlowPyrLK(prev_gray, gray, prev_pts, None)if next_pts is not None and status is not None:good_prev_pts = prev_pts[status == 1]good_next_pts = next_pts[status == 1]# 计算光流的总变化量displacement = np.linalg.norm(good_next_pts - good_prev_pts, axis=1)non_zero_count = np.sum(displacement > 0.0)  # 根据实际情况调整阈值# 保存当前帧到缓冲区frame_buffer.append(frame)# 每秒钟结束时判断运动情况if frame_count % 15 == 0:if non_zero_count > 0:  # 根据实际情况调整阈值print(f"第 {second} 秒有运动")for f in frame_buffer:out.write(f)  # 将帧写入输出视频else:print(f"第 {second} 秒静止")frame_buffer.clear()  # 清空缓冲区准备处理下一秒的帧prev_gray = grayprev_pts = good_next_pts.reshape(-1, 1, 2)else:print("光流计算失败")# 释放资源
cap.release()
out.release()
cv2.destroyAllWindows()

3、相似度、清晰度变化法;

import cv2
import numpy as np# 配置视频文件路径和输出文件路径
video_path = r"C:\Users\sunhongzhe\Pictures\expandai_move\a.mp4"
output_video_path = r"C:\Users\sunhongzhe\Pictures\expandai_move\a.avi"# 打开视频文件
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():print("无法打开视频文件")exit()# 获取视频基本信息
fps = cap.get(cv2.CAP_PROP_FPS)  # 帧率
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))# 设置输出视频编解码器
fourcc = cv2.VideoWriter_fourcc(*'MJPG')
out = cv2.VideoWriter(output_video_path, fourcc, fps, (frame_width, frame_height))# 读取第一帧
ret, prev_frame = cap.read()
if not ret:print("无法读取视频帧")exit()prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)
prev_edges = cv2.Canny(prev_gray, 50, 150)frame_buffer = []
frame_count = 0# 运动检测阈值
motion_threshold = 3000  # 根据实际情况调整while True:ret, frame = cap.read()if not ret:breakframe_count += 1second = int(frame_count // fps)  # 当前秒钟gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)edges = cv2.Canny(gray, 50, 150)# 计算边缘图像的差异diff = cv2.absdiff(prev_edges, edges)non_zero_count = np.sum(diff > 0)# 保存当前帧到缓冲区frame_buffer.append(frame)# 每秒钟结束时判断运动情况if frame_count % 10 == 0:  # 每秒处理一次if non_zero_count > motion_threshold:  # 根据差异判断是否运动print(non_zero_count)print(f"第 {second} 秒有运动")for f in frame_buffer:out.write(f)  # 将帧写入输出视频else:print(f"第 {second} 秒静止")frame_buffer.clear()  # 清空缓冲区准备处理下一秒的帧prev_edges = edges# 释放资源
cap.release()
out.release()
cv2.destroyAllWindows()

开盖即食,大家随便放个运动、静止结合的视频进来,调整一下阈值即可实现动静分离;保留运动的视频,剔除静止的画面

第三个方法,剩下的大家可以用phash等相似度方法同理替换,请查阅我的另一篇文章:
【含泪提速!】一文全解相似度算法、跟踪算法在各个AI场景的应用(附代码)_image.antialias-CSDN博客

三个py的就按测阈值,大家都可以改哦,还有多久判断一次,都可以;

这是实现视频中动静画面区分的;

想要实现一个视频中,哪些画面在东,哪些画面在静止,就可以将画面分成多个区域,分别运算这些个算法,都可以得到哪些地方在动,哪些地方在静止了。

演示效果:原本视频没法上传,原视频15秒,静止部分有5秒,最后处理完后,成功剔除了静止部分的帧,保留下了运动的10秒

最后

最近cv君重新常更,欢迎三连~欢迎大家进入cv君的AI 与计算机视觉世界:DeepAI 视界 里面有几千位AI的朋友,有任何问题都可以交流哦,联系微信zxx15277368495z

这篇关于【开盖即食】多种算法实现画面动静判断(附源码)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1095079

相关文章

Spring Security+JWT如何实现前后端分离权限控制

《SpringSecurity+JWT如何实现前后端分离权限控制》本篇将手把手教你用SpringSecurity+JWT搭建一套完整的登录认证与权限控制体系,具有很好的参考价值,希望对大家... 目录Spring Security+JWT实现前后端分离权限控制实战一、为什么要用 JWT?二、JWT 基本结构

Java实现优雅日期处理的方案详解

《Java实现优雅日期处理的方案详解》在我们的日常工作中,需要经常处理各种格式,各种类似的的日期或者时间,下面我们就来看看如何使用java处理这样的日期问题吧,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言一、日期的坑1.1 日期格式化陷阱1.2 时区转换二、优雅方案的进阶之路2.1 线程安全重构2

Android实现两台手机屏幕共享和远程控制功能

《Android实现两台手机屏幕共享和远程控制功能》在远程协助、在线教学、技术支持等多种场景下,实时获得另一部移动设备的屏幕画面,并对其进行操作,具有极高的应用价值,本项目旨在实现两台Android手... 目录一、项目概述二、相关知识2.1 MediaProjection API2.2 Socket 网络

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Redis消息队列实现异步秒杀功能

《Redis消息队列实现异步秒杀功能》在高并发场景下,为了提高秒杀业务的性能,可将部分工作交给Redis处理,并通过异步方式执行,Redis提供了多种数据结构来实现消息队列,总结三种,本文详细介绍Re... 目录1 Redis消息队列1.1 List 结构1.2 Pub/Sub 模式1.3 Stream 结

C# Where 泛型约束的实现

《C#Where泛型约束的实现》本文主要介绍了C#Where泛型约束的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录使用的对象约束分类where T : structwhere T : classwhere T : ne

将Java程序打包成EXE文件的实现方式

《将Java程序打包成EXE文件的实现方式》:本文主要介绍将Java程序打包成EXE文件的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录如何将Java程序编程打包成EXE文件1.准备Java程序2.生成JAR包3.选择并安装打包工具4.配置Launch4

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

Python实现特殊字符判断并去掉非字母和数字的特殊字符

《Python实现特殊字符判断并去掉非字母和数字的特殊字符》在Python中,可以通过多种方法来判断字符串中是否包含非字母、数字的特殊字符,并将这些特殊字符去掉,本文为大家整理了一些常用的,希望对大家... 目录1. 使用正则表达式判断字符串中是否包含特殊字符去掉字符串中的特殊字符2. 使用 str.isa

Spring Boot 集成 Quartz并使用Cron 表达式实现定时任务

《SpringBoot集成Quartz并使用Cron表达式实现定时任务》本篇文章介绍了如何在SpringBoot中集成Quartz进行定时任务调度,并通过Cron表达式控制任务... 目录前言1. 添加 Quartz 依赖2. 创建 Quartz 任务3. 配置 Quartz 任务调度4. 启动 Sprin