传统检测高空抛物

 懒人先看:

        基于YOLO，RCNN系列的检测需要很多的数据集，高空抛物扔下去的东西层出不穷，若是楼层更高，扔下去的物体小之又小，是很难检测到的 所以采用了高斯混合模型的方法  这次呢 捕捉的画面更灵敏，一个像素点的移动都会被框进去基本的代码已放出，后续靠大家加一些功能了

ps: 误人子弟的地方需要靠大家指点了

import numpy as np
import cv2
from hah.Line import Draw
from collections import deque

colour = ((0, 205, 205), (154, 250, 0), (34, 34, 178), (211, 0, 148), (255, 118, 72), (137, 137, 139))  # 定义矩形颜色

cap = cv2.VideoCapture(r"G:\Code\Height_sky\video\aaa.mp4")  # 参数为0是打开摄像头，文件名是打开视频
# fgbg = cv2.createBackgroundSubtractorMOG2(history=7, varThreshold=1000, detectShadows=False)  # 混合高斯背景建模分离算法算法 将图像分为3-5个高斯模型，一个像素点来了，如果该像素点离任何一个高斯模型的距离大于其2倍的标准差，则为前景即运动物体，否则则是背景
fgbg = cv2.createBackgroundSubtractorKNN(history=7, dist2Threshold=1000, detectShadows=False)  # 混合高斯背景建模算法
# KNN系列主要针对的是比较高层一些的楼，用聚类的特点将背景进行检测
# MOG2主要针对底层楼 分为2-5个高斯背景进行检测

# history：用于训练背景的帧数，默认为500帧，原论文中作者提出7帧效果最优，如果不手动设置learningRate，history就被用于计算当前的learningRate，此时history越大，learningRate越小，背景更新越慢；
# varThreshold/dist2Threshold：方差阈值，用于判断当前像素是前景还是背景。一般默认16，如果光照变化明显，如阳光下的水面，建议设为25,36，具体去试一下也不是很麻烦，值越大，灵敏度越低；
# 低灵敏度好出：对于视频中出现的噪音点会忽视，但是针对视频中高速运动的物体可以检测

# detectShadows：是否检测影子，设为true为检测，false为不检测，检测影子会增加程序时间复杂度，如无特殊要求，建议设为false；

pts = [deque(maxlen=30) for _ in range(99999)]

width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

fps = cap.get(cv2.CAP_PROP_FPS)
# print("aaaafgfffffffffff", fps)
# print("aaaaaaaaaaaaaaaaa", width, height)

fourcc = cv2.VideoWriter_fourcc(*'MJPG')  # 解码器
out = cv2.VideoWriter('G:\Code\Height_sky\video2\output.avi', fourcc, fps, (width, height))

# 提取视频的频率，每1帧提取一个
frameFrequency = 1
times = 0
time_list = []

import math


def cal_ang(point_1, point_2, point_3):
    """
    根据三点坐标计算夹角
    :param point_1: 点1坐标
    :param point_2: 点2坐标
    :param point_3: 点3坐标
    :return: 返回任意角的夹角值，这里只是返回点2的夹角
    """
    a = math.sqrt(
        (point_2[0] - point_3[0]) * (point_2[0] - point_3[0]) + (point_2[1] - point_3[1]) * (
                point_2[1] - point_3[1]))
    b = math.sqrt(
        (point_1[0] - point_3[0]) * (point_1[0] - point_3[0]) + (point_1[1] - point_3[1]) * (
                point_1[1] - point_3[1]))
    c = math.sqrt(
        (point_1[0] - point_2[0]) * (point_1[0] - point_2[0]) + (point_1[1] - point_2[1]) * (
                point_1[1] - point_2[1]))
    # A = math.degrees(math.acos((a * a - b * b - c * c) / (-2 * b * c)))
    B = math.degrees(math.acos((b * b - a * a - c * c) / (-2 * a * c)))
    # C = math.degrees(math.acos((c * c - a * a - b * b) / (-2 * a * b)))
    return B


print(cal_ang((0, 0), (1, 1), (0, 1)))

while cap.isOpened():
    times += 1
    ret, frame = cap.read()  # 读取图片
    Draw(frame)

    # print(frame)
    if frame is not None:
        frame[0:60, 2:280] = [0, 0, 0]  # 对左上角的时间进行覆盖，避免画面出现噪音点
        frame[0:60, 790:970] = [0, 0, 0]

        fgmask = fgbg.apply(frame)
        element = cv2.blur(frame, (3, 3))
        element = cv2.boxFilter(element, -1, (2, 2), normalize=False)
        element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))  # 形态学去噪
        fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, element)  # 开运算去噪
        _, contours, hierarchy = cv2.findContours(fgmask.copy(), cv2.RETR_EXTERNAL,
                                                  cv2.CHAIN_APPROX_SIMPLE)  # 寻找前景

        count = 0
        for cont in contours:
            Area = cv2.contourArea(cont)  # 计算轮廓面积
            if Area < 2:  # 过滤面积小于1的形状
                continue
            count += 1  # 计数加一
            print("{}-prospect:{}".format(count, Area), end="  ")  # 打印出每个前景的面积
            rect = cv2.boundingRect(cont)  # 提取矩形坐标
            print("x:{} y:{}".format(rect[0], rect[1]))  # 打印坐标
            x1 = rect[0]
            x2 = rect[0] + rect[2]
            y1 = rect[1]
            y2 = rect[1] + rect[3]
            center = ((int((x1 + x2) / 2), int((y1 + y2) / 2)))
            pts[count].append(center)
            print("中心点坐标:", list(center))
            pts[count].append(center)
            cv2.circle(frame, center, 10, (0, 0, 255))

            for j in range(1, len(pts[count])):

                xielv = (pts[count][j][0] - pts[count][j - 1][0]) / (pts[count][j][1] - pts[count][j - 1][1] + 1e-1)
                print("aaaaaaaaaaaaaasasdasdasdasdasd", xielv)
    
                if xielv == 0:
                    print("xielv", xielv)
                    # print("hudu", radin)
                    cv2.rectangle(frame, (rect[0], rect[1]), (rect[0] + rect[2], rect[1] + rect[3]),
                                  colour[count % 6],
                                  3)  # 原图上绘制矩形

                    cv2.rectangle(fgmask, (rect[0], rect[1]), (rect[0] + rect[2], rect[1] + rect[3]),
                                  (0xff, 0xff, 0xff),
                                  3)  # 黑白前景上绘制矩形
                    y = 10 if rect[1] < 10 else rect[1]  # 防止编号到图片之外
                    cv2.putText(frame, "object", (rect[0], y), cv2.CHAIN_APPROX_NONE, 2, (0, 255, 0),
                                2)  # 在前景上写上编号
                    cv2.line(frame, (pts[count][j - 1]), (pts[count][j]), (255, 0, 0), 4)
                    print("警报！高空抛物出现,出现的帧数为:", times)
                    time_list.append(times)  # 将获取的帧数进行保存
                    out.write(frame)
            # print("视频总帧数", times)

        cv2.putText(frame, "count:", (5, 20), cv2.FONT_HERSHEY_COMPLEX, 0.6, (0, 255, 0), 1)  # 显示总数
        cv2.putText(frame, str(count), (75, 20), cv2.FONT_HERSHEY_COMPLEX, 0.6, (0, 255, 0), 1)
        # print("帧数列表:", time_list)
        cv2.imshow('frame', frame)  # 在原图上标注
        cv2.imshow('frame2', fgmask)  # 以黑白的形式显示前景和背景

        print("----------------------------")

        # cv2.namedWindow("frame", cv2.WINDOW_NORMAL)
        # cv2.resizeWindow("frame", 800, 600)

        # cv2.namedWindow("frame2", cv2.WINDOW_NORMAL)
        # cv2.resizeWindow("frame2", 800, 600)

        cv2.imshow('frame', frame)  # 在原图上标注
        cv2.imshow('frame2', fgmask)  # 以黑白的形式显示前景和背景

    if cv2.waitKey(1) & 0XFF == ord("q"):
        out.release()  # 释放文件
        cap.release()
        cv2.destroyAllWindows()
        break

 这个是Line.py

import cv2


def Draw(frame):
    cv2.line(frame, (0, 40), (960, 40), (0, 0, 0), 1)  # 楼顶
    cv2.line(frame, (0, 70), (960, 70), (0, 0, 0), 1)  # 倒数第一楼
    cv2.line(frame, (0, 90), (960, 90), (0, 0, 0), 1)  # 倒数第二楼
    cv2.line(frame, (0, 110), (960, 110), (0, 0, 0), 1)  # 倒数第三楼
    cv2.line(frame, (0, 135), (960, 135), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 165), (960, 165), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 190), (960, 190), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 225), (960, 225), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 264), (960, 265), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 295), (960, 295), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 345), (960, 345), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 400), (960, 400), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 450), (960, 450), (0, 0, 0), 1)  # .
    cv2.line(frame, (0, 520), (960, 520), (0, 0, 0), 1)  # 倒数第十三楼

本文用的视频地址:

链接: https://pan.baidu.com/s/1-KfEvLTChuJAjxM1tWb-Ew 提取码: 2dk3 复制这段内容后打开百度网盘手机App，操作更方便哦 
--来自百度网盘超级会员v1的分享

另外附一张效果图：