Question

我有一个傍晚时间（下午6点至晚上9点）的视频文件。我想检测出行人的移动情况。

在尝试从“ 10分钟”时间帧视频中找出少量图像之间的差异（在任何10分钟视频帧剪辑中有10张等时间隔的图像）时，我正面临以下挑战：

所有图像都以不同的方式出现（作为“警报”出现），因为一直有一些植物因风而移动。
所有10张图片都变得不同，这也是因为太阳下山了，因此由于“自然光变化”，这10张图片即使经过10分钟的帧后图像仍然不同没有公共/人类运动。
如何限制我的算法仅关注视频某些区域的运动，而不是全部？（找不到 google上的任何内容，或者不知道在opencv中是否有任何算法）

Answer 1

这个很难处理。我建议您尝试稍微模糊帧以减少移动植物时产生的噪音。另外，如果移动范围不太大，请尝试更改差异阈值和面积阈值（如果您的算法包含轮廓检测，请执行以下步骤）。希望这可以有所帮助。
对于检测人的“运动”，（10帧/ 10分钟）fps有点太低。框架中的人可以完全不同。这意味着您无法检测到单个人的移动，而只能找到两个帧之间的差异。如果您使用的是低fps的视频，建议您尝试Background Subtraction，以找到帧中的人物，而不是帧之间的人物移动。对于背景减法，要解决

所有这10张图像也有所不同，这也是因为太阳下山了，因此，即使没有公共/人类活动，由于10分钟的帧距而产生的10张图像也因自然变化而变化。

您可以尝试将所有帧的平均图像用作background_img中的

difference = current_img - background_img

如果时间跨度较长，则可以将current_img最近的图像的平均值用作background_img。并在运行视频时不断更新background_img。

如果您的投资回报率是框架中的矩形，请使用

my_ROI = cv :: Rect（x，y，width，height） cv :: Mat ROI_img = frame（my_ROI）

如果没有，请尝试使用mask。

Answer 2

我认为您正在寻找的是行人检测。您可以使用 OpenCV 包在 Python 中轻松完成此操作。

# Initialize a HOG descriptor
hog = cv2.HOGDescriptor()

# Set it for Pedestrian Detection
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

# Then use the detector
hog.detectMultiScale()

例如：Pedestrian Detection OpenCV

如何在opencv中区分两个渐进式图像

2 个答案: