[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)

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));
          vector> contours;
          dilate(frameDet,frameDet,element);
          findContours(frameDet,contours,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
          qDebug()<<"Num"<

    3、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"<btnOpenVedio->setText("关闭摄像头");
          timer->start(30);
      }
      else {
          ui->btnOpenVedio->setText("打开摄像头");
          timer->stop();
      }
      openCam = !openCam;
    }
    
    
    QImage Widget::cvMat2QImage(const cv::Mat &mat)
    {
      switch ( mat.type() )
      {
      // 8-bit  4 channel
      case CV_8UC4:
      {
          QImage image( (const uchar*)mat.data, mat.cols, mat.rows, static_cast(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> contours;
          dilate(frameDet,frameDet,element);
          findContours(frameDet,contours,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
          qDebug()<<"Num"<picshow->setPixmap(QPixmap::fromImage(Qimg));
    
    }
    
    void Widget::on_ckb_Track_clicked(bool checked)
    {
      if(checked)
      {
          isTrack = true;
      }
      else {
          isTrack = false;
      }
    
    }

    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
    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

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。

你可能感兴趣的