OpenCV是一个强大的图像和视频处理库，在这篇文章中，我将创建一个运动热图，用于检测运动、以及物体或人的流动方向，在投影公共区域时可以对建筑师有所帮助。
简介
OpenCV，或（开源计算机视觉）是英特尔于1999年开发的一个库，主要提供计算机视觉和实时视频的相关操作，它是用C＋＋编写的，同时也支持多种其它语言（包括Python）。工作流程这个程序是基于一种被称为高斯背景差法的技术，这项技术被广泛应用于用稳定的摄像机检测运动物体。背景差法创建一个表示帧（图像的静态部分）背景的模板，对于每一帧，它将减去前一帧。让我们对该算法的两个主要步骤进行一个简要概述：背景初始化：在第一步中，通过冻结第一帧来计算背景的模型。更新：在第二步中，下一帧将减去上一帧，如果两帧之间发生变化（移动），则这些帧的差异将反映出该变化，可以通过应用过滤器来进行提取差异信息。以下是背景差法应用于从城市摄像机录制的短视频的示例：
代码对于整个项目存储库，在此处可以获取。https：／／github．com／robertosannazzaro／motion－heatmap－opencv／blob／master／README．md代码首先读取输入的视频文件并初始化所需的一些变量：capture ＝ cv2．VideoCapture（＇input．mp4＇）background＿subtractor ＝ cv2．bgsegm．createBackgroundSubtractorMOG（）length ＝ int（capture．get（cv2．CAP＿PROP＿FRAME＿COUNT））然后，for循环遍历视频帧：for i in range（0， length）：
ret， frame ＝ capture．read（）
＃ If first frame if first＿iteration＿indicator ＝＝ 1：
first＿frame ＝ copy．deepcopy（frame） height， width ＝ frame．shape［：2］ accum＿image ＝ np．zeros（（height， width）， np．uint8）
第一个if块检查该帧是否为视频的第一帧，这样做是为了初始化背景差法的背景，然后accum＿image使用与该帧大小相对应的大小来初始化该数组。
filter ＝ background＿subtractor．apply（frame） ＃ remove the background
threshold ＝ 2maxValue ＝ 2ret， th1 ＝ cv2．threshold（filter， threshold， maxValue， cv2．THRESH＿BINARY）
accum＿image ＝ cv2．add（accum＿image， th1）
color＿image＿video ＝ cv2．applyColorMap（accum＿image， cv2．COLORMAP＿HOT）
为了消除例如风，小鸟飞行等少量运动，将阈值与maxValue一起应用到遮罩上。然后将掩码的结果添加到accum＿image数组中，对每个帧执行此操作，结果由用于存储视频中发生的每个运动的accum＿image数组组成。此外，在最后，当已经对每个帧执行了先前描述的操作时，颜色映射被应用于遮罩并且遮罩与当前帧合并。
更进一步，可以制作一个显示热图逐帧衰减的视频。为了实现这一点，将导出每个帧，然后再次使用cv2，通过合并所有帧来生成视频：video ＝ cv2．VideoWriter（＇output．avi＇， fourcc， 30．0， （width， height））for image in images： video．write（cv2．imread（os．path．join（image＿folder， image）））
cv2．destroyAllWindows（）最后结果
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
