【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

---

一、帧差法

 

1、概念

        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。

 

2、为什么帧差法可以检测运动的物体？ 

        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。

 

二、使用OpenCV配合帧差法实现车辆识别

 

• 开发工具

         Qt 5.8.0  +  OpenCV

1、加载视频

• 通过VideoCapture来加载本地视频，循环读取每一帧并进行显示

int main(int argc, char *argv[])
{
    Mat frame;

    VideoCapture cap("D:/QT-Project/image/carMove.mp4");
    while(cap.read(frame))
    {
        //读取一帧显示一帧
        imshow("frame", frame);

        //延时
        waitKey(25);
    }
    return 0;
}

2、灰度处理+帧差计算

• 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

//灰度处理
cvtColor(frontMat, frontGray, CV_BGR2GRAY);
cvtColor(afterMat, afterGray, CV_BGR2GRAY);

//帧差处理 找到帧与帧之间运动的物体差异
absdiff(frontGray, afterGray, diffGray);

• 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。

 

3、二值化

• 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

//二值化：黑白分明 会产生大量白色噪点
threshold(diffGray, diffGray, 25, 255, CV_THRESH_BINARY);

• 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。

4、腐蚀

• 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

//腐蚀处理：去除白色噪点 噪点不能完全去除，反而主要物体会被腐蚀的图案都变得不明显
Mat element = cv::getStructuringElement(MORPH_RECT, Size(3, 3));
erode(diffGray, diffGray, element);

•  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。

 

5、膨胀

• 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

//膨胀处理：将白色区域变“胖”
Mat element2 = cv::getStructuringElement(MORPH_RECT, Size(20, 20));

dilate(diffGray, diffGray, element2);

•  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。

6、框选出车辆

 

• 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。

三、全部代码+实现效果

 

1、代码

#include 
#include 

using namespace std;
using namespace cv;

//帧差法检测车辆
Mat MoveCheck(Mat &frontMat, Mat &afterMat)
{
    Mat frontGray ,afterGray, diffGray;
    Mat resframe = afterMat.clone();
    //灰度处理
    cvtColor(frontMat, frontGray, CV_BGR2GRAY);
    cvtColor(afterMat, afterGray, CV_BGR2GRAY);
    //imshow("GRAY", frontGray);

    //帧差处理 找到帧与帧之间运动的物体差异
    //缺点：会把其他运动物体也算进来
    absdiff(frontGray, afterGray, diffGray);
    //imshow("absdiff", diffGray);

    //二值化：黑白分明 会产生大量白色噪点
    threshold(diffGray, diffGray, 25, 255, CV_THRESH_BINARY);
    //imshow("diff", diffGray);

    //腐蚀处理：去除白色噪点 噪点不能完全去除，反而主要物体会被腐蚀的图案都变得不明显
    Mat element = cv::getStructuringElement(MORPH_RECT, Size(3, 3));
    erode(diffGray, diffGray, element);
    //imshow("erode", diffGray);

    //膨胀处理：将白色区域变“胖”
    Mat element2 = cv::getStructuringElement(MORPH_RECT, Size(20, 20));
    dilate(diffGray, diffGray, element2);
    //imshow("dilate", diffGray);

    //动态物体标记
    vector> contours; //保存关键点
    findContours(diffGray, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

    //提取关键点
    vector> contours_poly(contours.size());
    vector boundRect(contours.size());

    int x, y, w, h;
    int num = contours.size();

    for(int i =0; i< num; i++)
    {
        approxPolyDP(Mat(contours[i]), contours_poly[i], 3, true);
        boundRect[i] = boundingRect(Mat(contours_poly[i]));

        x = boundRect[i].x;
        y = boundRect[i].y;
        w = boundRect[i].width;
        h = boundRect[i].height;

        //绘制
        rectangle(resframe, Point(x, y), Point(x+w, y+h), Scalar(0, 255, 0), 4);
    }
    return resframe;
}

int main(int argc, char *argv[])
{
    Mat frame;
    Mat tempframe;
    Mat res;
    int count = 0;

    VideoCapture cap("D:/QT-Project/image/carMove.mp4");
    while(cap.read(frame))
    {
        count++;
        if(count == 1)
        {
            res = MoveCheck(frame, frame);
        }
        else
        {
            res = MoveCheck(tempframe, frame);
        }
        tempframe = frame.clone();
        imshow("frame", frame);//原视频帧
        imshow("res", res);//框选后的视频帧
        waitKey(25);
    }
    return 0;
}

2、车辆检测效果

 

 

四、帧差法存在不足之处

 

• 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）。