目前计算机视觉(CV)与自然语言处理(NLP)及语音识别并列为人工智能三大热点方向,而计算机视觉中的对象检测(objectdetection)应用非常广泛,比如自动驾驶、视频监控、工业质检、医疗诊断等场景。
目标检测的根本任务就是将图片或者视频中感兴趣的目标提取出来,目标的识别可以基于颜色、纹理、形状。其中颜色属性运用十分广泛,也比较容易实现。下面就向大家分享一个我做的小实验———通过OpenCV的Python接口来实现从视频中进行颜色识别和跟踪。
下面就是我们完整的代码实现(已调试运行):
import numpy as np import cv2 font = cv2.FONT_HERSHEY_SIMPLEX lower_green = np.array([35, 110, 106]) # 绿色范围低阈值 upper_green = np.array([77, 255, 255]) # 绿色范围高阈值 lower_red = np.array([0, 127, 128]) # 红色范围低阈值 upper_red = np.array([10, 255, 255]) # 红色范围高阈值 #需要更多颜色,可以去百度一下HSV阈值! # cap = cv2.VideoCapture('1.mp4') # 打开视频文件 cap = cv2.VideoCapture(0)#打开USB摄像头 if (cap.isOpened()): # 视频打开成功 flag = 1 else: flag = 0 num = 0 if (flag): while (True): ret, frame = cap.read() # 读取一帧 if ret == False: # 读取帧失败 break hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) mask_green = cv2.inRange(hsv_img, lower_green, upper_green) # 根据颜色范围删选 mask_red = cv2.inRange(hsv_img, lower_red, upper_red) # 根据颜色范围删选 mask_green = cv2.medianBlur(mask_green, 7) # 中值滤波 mask_red = cv2.medianBlur(mask_red, 7) # 中值滤波 mask = cv2.bitwise_or(mask_green, mask_red) mask_green, contours, hierarchy = cv2.findContours(mask_green, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) mask_red, contours2, hierarchy2 = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) for cnt in contours: (x, y, w, h) = cv2.boundingRect(cnt) cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 255), 2) cv2.putText(frame, "Green", (x, y - 5), font, 0.7, (0, 255, 0), 2) for cnt2 in contours2: (x2, y2, w2, h3) = cv2.boundingRect(cnt2) cv2.rectangle(frame, (x2, y2), (x2 + w2, y2 + h3), (0, 255, 255), 2) cv2.putText(frame, "Red", (x2, y2 - 5), font, 0.7, (0, 0, 255), 2) num = num + 1 cv2.imshow("dection", frame) cv2.imwrite("imgs/%d.jpg"%num, frame) if cv2.waitKey(20) & 0xFF == 27: break cv2.waitKey(0) cv2.destroyAllWindows()
如图所示,我们将会检测到红色区域
最终的效果图:
总结
以上所述是小编给大家介绍的50行Python代码实现视频中物体颜色识别和跟踪,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对亿速云网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。