1、背景介绍
最近手边的零食总是莫名其妙的减少，为了抓到一个元凶来帮我续零食，就想着使用手边的usb摄像头来实现一个动态物体监测和保存视频的功能，不过这里使用最简单的帧差法来实现物体的运动监测。
2、使用OpenCV的帧差法实现运动物体监测
- 开发环境
Qt5.9 + OpenCV 硬件
Logitech摄像头2.1 帧差法介绍
运动物体图像在相邻两帧间差别较大，两帧差值后进行简单的图像处理，较容易判断是否存在物体移动，类似于剪纸动画，本例中使用帧差后判断阈值分割后的面积来确定是否存在物体运动。帧差法用前一帧图像作为当前帧的背景模型具有较好的实时性，其背景不积累，且更新速度快、算法简单、计算量小。算法的不足在于对环境噪声较为敏感，阈值的选择相当关键，选择过低不足以抑制图像中的噪声，过高则忽略了图像中有用的变化。对于比较大的、颜色一致的运动目标，有可能在目标内部产生空洞，无法完整地提取运动目标。
2.2 帧差法部分实现代码
将当前帧图像和上一帧图像进行灰度化，然后高斯滤波后做图像差值，选定合适的二值化阈值分割，最后对分割处理的区域面积进行判定。
Mat grayframePre,frameDet; Mat frameNow,grayframeNow; cvtColor(matFrame,grayframeNow,COLOR_RGB2GRAY); cvtColor(framePre,grayframePre,COLOR_RGB2GRAY); GaussianBlur(grayframeNow,grayframeNow,Size(21,21),0,0); GaussianBlur(grayframePre,grayframePre,Size(21,21),0,0); absdiff(grayframeNow,grayframePre,frameDet); framePre = matFrame; threshold(frameDet,frameDet,20,255,THRESH_BINARY); Mat element = getStructuringElement(0,Size(3,3)); vector3、在Qt平台下使用opencv对运动物体进行监测
widget.h
#ifndef WIDGET_H #define WIDGET_H #include#include "opencv2/opencv.hpp" #include using namespace cv; namespace Ui { class Widget; } class Widget : public QWidget { Q_OBJECT public: explicit Widget(QWidget *parent = 0); ~Widget(); private slots: void on_btnOpenVedio_clicked(); void on_btnQuit_clicked(); void readFrame(); void on_ckb_Track_clicked(bool checked); private: Ui::Widget *ui; bool openCam; bool isTrack=false; bool isSaveFrame = false; QTimer *timer; VideoCapture *cap; Mat framePre; int fps,frameWidth,frameHeight; VideoWriter writer; int VideoNum = 0; //Mat转换QImage QImage cvMat2QImage(const cv::Mat& mat); }; #endif // WIDGET_H widget.cpp
#pragma execution_character_set("utf-8") #include "widget.h" #include "ui_widget.h" #include#include using namespace std; Widget::Widget(QWidget *parent) : QWidget(parent), ui(new Ui::Widget) { ui->setupUi(this); timer = new QTimer(this); timer->stop(); connect(timer,SIGNAL(timeout()),this,SLOT(readFrame())); openCam = true; cap = new VideoCapture(0); frameWidth = cap->get(CAP_PROP_FRAME_WIDTH); frameHeight = cap->get(CAP_PROP_FRAME_HEIGHT); fps = cap->get(CAP_PROP_FPS); qDebug()<<"width"< (mat.step), QImage::Format_RGB32 ); return image; } // 8-bit 3 channel case CV_8UC3: { QImage image( (const uchar*)mat.data, mat.cols, mat.rows, static_cast (mat.step), QImage::Format_RGB888 ); return image.rgbSwapped(); } // 8-bit 1 channel case CV_8UC1: { static QVector sColorTable; // only create our color table once if ( sColorTable.isEmpty() ) { sColorTable.resize( 256 ); for ( int i = 0; i < 256; ++i ) { sColorTable[i] = qRgb( i, i, i ); } } QImage image( (const uchar*)mat.data, mat.cols, mat.rows, static_cast (mat.step), QImage::Format_Indexed8 ); image.setColorTable( sColorTable ); return image; } default: qDebug("Image format is not supported: depth=%d and %d channels\n", mat.depth(), mat.channels()); qWarning() << "cvMatToQImage - cv::Mat image type not handled in switch:" << mat.type(); break; } return QImage(); } void Widget::on_btnQuit_clicked() { timer->stop(); cap->release(); close(); } void Widget::readFrame() { Mat matFrame; cap->read(matFrame); if(isTrack) { Mat grayframePre,frameDet; Mat frameNow,grayframeNow; cvtColor(matFrame,grayframeNow,COLOR_RGB2GRAY); cvtColor(framePre,grayframePre,COLOR_RGB2GRAY); GaussianBlur(grayframeNow,grayframeNow,Size(21,21),0,0); GaussianBlur(grayframePre,grayframePre,Size(21,21),0,0); absdiff(grayframeNow,grayframePre,frameDet); framePre = matFrame; threshold(frameDet,frameDet,20,255,THRESH_BINARY); Mat element = getStructuringElement(0,Size(3,3)); vector 4、界面效果展示
![[视觉实战案例]Qt+OpenCV实现USB摄像头监测移动物体并录制视频功能（帧差法）_第1张图片](http://img.e-com-net.com/image/info9/51743db28f9d4904a71422bd8920f294.jpg "VideoTracking.PNG")
打开摄像头后，可以进行采集视频操作，勾选“打开追踪”，程序会调用帧差算法判定是否有运动物体，如果有物体运动，就保存运动时的视频。![[视觉实战案例]Qt+OpenCV实现USB摄像头监测移动物体并录制视频功能（帧差法）_第2张图片](http://img.e-com-net.com/image/info9/42d7640812e84a2a86906d87cbe6fe55.jpg "捕获视频.PNG")
5、总结
首先，两帧差是比较基础的检测运动物体的方法，虽然其运算速度快，但其无法过滤光照或微小抖动的干扰，而且运动目标会出现“重影”导致出现内部空洞。三帧差法是在相邻帧差法基础上改进的算法，在一定程度上优化了运动物体双边，粗轮廓的现象，相比之下，三帧差法比相邻帧差法更适用于物体移动速度较快的情况，比如道路上车辆的智能监控。