Opencv实现运动检测

运动检测多种多样，这里的需求只是检测到有运动物体就行了，而且

要尽量减少误报的情况。另外尽量降低CPU的消耗，因为最终需要在树莓派上面运行。

看了一些中文的文章，发现无法很好地理解别人说的内容，反而是外国人写的文章比较实在：

这里的思路和代码来自一篇外文博客，原文来自：http://blog.cedric.ws/opencv-simple-motion-detection

这里博主使用了差值的办法来检测运动。也就是准备三幅图像，分布叫做prev, current 和next

这三幅图像是一个视频的前后三帧。

可以这样表示检测的过程：

diff1 = prev - next
diff2 = current - next
result = diff1 & diff2

用opencv的语言来说，就是：

absdiff(prev_frame, next_frame, d1);
absdiff(current_frame, next_frame, d2);
bitwise_and(d1, d2, result);

另外，最后还要加一个阈值，因为很细小的运动，比如窗帘被气流吹动的行为会造成一个误报的

现象，这里主要是需要检测大动作，比如一只小狗走来走去的现象。

threshold(result, result, , , CV_THRESH_BINARY);

检测的结果如下：

可以说有初步成效了。

下面，可以在上图的白色区域放置一个矩形框（用opencv可以很轻松地做到）

这里博主贴出了代码：

// loop over image and detect changes
for(int j = y_start; j < y_stop; j+=){ // height
    for(int i = x_start; i < x_stop; i+=){ // width
        // check if at pixel (j,i) intensity is equal to 255
        // this means that the pixel is different in the sequence
        // of images (prev_frame, current_frame, next_frame)
        if(static_cast(motion.at<uchar>(j,i)) == )
        {
            number_of_changes++;
            if(min_x>i) min_x = i;
            if(max_x<i) max_x = i;
            if(min_y>j) min_y = j;
            if(max_y<j) max_y = j;
        }
    }
}

从代码里面看，这里遍历了整一幅差值图像（也就是上面的result图），并且将所有为255亮度的

点统计起来，并且生成两个结果：

1.number of changes，也就是变化为100%的点的数量

2.max值和min值，用于在变化周围画矩形

这是画矩形的代码：

if(number_of_changes){
    //check if not out of bounds
    if(min_x- > ) min_x -= ;
    if(min_y- > ) min_y -= ;
    if(max_x+ < result.cols-) max_x += ;
    if(max_y+ < result.rows-) max_y += ;
    // draw rectangle round the changed pixel
    Point x(min_x,min_y);
    Point y(max_x,max_y);
    Rect rect(x,y);
    Mat cropped = result(rect);
    cropped.copyTo(result_cropped);
    rectangle(result,rect,color,);
}

这里的处理number of changes应该是判断大于某个值的时候再画，因为

可能出现误报。

优化

到这里为止，可以得到两个结论：

1.这个算法是比较简单的，也就是CPU消耗比较少。

2.这个算法存在着不足，也就是误报的问题。

因为这个算法要应用到树莓派中，所以特别复杂但是精准的办法就不可取。

上面的办法可以做两点优化，第一个是判断number of changes大于某个值的时候再画，

第二个是判断图像中出现移动物体时延迟一段时间后再判断，这样会减少误报。

// If a lot of changes happened, we assume something changed.
if(number_of_changes>=there_is_motion)
{
    if(number_of_sequence>){
        saveImg(result,DIR,EXT,DIR_FORMAT.c_str(),FILE_FORMAT.c_str());
        saveImg(result_cropped,DIR,EXT,DIR_FORMAT.c_str(),CROPPED_FILE_FORMAT.c_str());
    }
    number_of_sequence++;
}
else
{
    number_of_sequence = ;
    // Delay, wait a 1/2 second.
    cvWaitKey (DELAY);
}

注意到，这里是检测到了物体再delay，而不是每次都delay。这样会保证整个检测系统的运行

质量。

另一个办法是通过标准差来检测先后的变化，当然这个办法会消耗额外的CPU，不过可以试试看

// calculate the standard deviation
Scalar mean, stddev;
meanStdDev(motion, mean, stddev);
// if not to much changes then the motion is real (neglect agressive snow, temporary sunlight)
if(stddev[] < max_deviation)

最后博主给出了代码（github上也有）：

https://github.com/cedricve/motion-detection/blob/master/motion_src/src/motion_detection.cpp

因为目前没有可用的摄像头，买到之后试试博主的代码并且更新博客。