如何跟踪流中图像之间的移动

Question

我有一个正在填充图像流的ConcurrentQueue。为了简单起见，假设他们是来自网络摄像头的帧。

我会非常喜欢做的是检测

• 如果有一个在所有
• 其中最大（按大小而不是速度）任何运动运动是在框架
• 凡第二大运动是在帧

推测我需要合成参考图像在过去的N个帧（使得半永久性改变占例如日/夜，停放的汽车，等等），然后各色从参考帧中获取当前帧。

帧具有噪声的（最小）电平，从而精确的颜色对比是不是一个可行的选择。

我敢肯定，我之前（最终在一个“盒子”周围大面积的运动）已经看到了这个教程，但现在我无法找到他们。

有人能指点我一个体面的算法/教程吗？

Answer 1

如果你只是想一个可行的解决方案，ZoneMinder或运动是两个软件，使用的Video4Linux接口linux下运行。

如果您因为某种原因需要推出自己的产品，则可以使用许多技巧或策略。你基本上已经走上了正确的轨道。你错过了一些重要的细节。

1. 由于摄像机是静止的，请记录最后N帧作为“背景”图像。平均他们所有。

   http://opencv.willowgarage.com/documentation/cpp/imgproc_motion_analysis_and_object_tracking.html

2. 减去从当前图像的背景。你留下的我们将称之为前景。

   http://opencv.willowgarage.com/documentation/cpp/core_operations_on_arrays.html#cv-absdiff

3. 可选地执行扩张或侵蚀（或两者），以去除噪声或加入几乎连接区域。

   http://opencv.willowgarage.com/documentation/image_filtering.html#dilate

4. 阈值的前景图像，以确定什么是重要的，什么不是。

   http://docs.opencv.org/doc/tutorials/imgproc/threshold/threshold.html

5. 可以选择使用findContours函数来得到一个什么样的描述“感动”

   http://docs.opencv.org/doc/tutorials/imgproc/shapedescriptors/find_contours/find_contours.html

   一旦你的轮廓，你还可以找到边界矩形，如果这是更多的你'要去。

   http://opencv.willowgarage.com/documentation/python/structural_analysis_and_shape_descriptors.html#boundingrect

这会不会是完美的，在调试或优化时，你必须表明，每一步后输出到弄清楚发生了什么工作的权利，什么不是。花一些时间构建基础设施以使其更容易。一旦你有源数据和大部分的工作流水线调整，以获得你想要的结果是非常可行的。