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, h2) = cv2.boundingRect(cnt2)
- cv2.rectangle(frame, (x2, y2), (x2 + w2, y2 + h2), (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:
来源: https://www.cnblogs.com/jpld/p/11895697.html