三帧差法是一种常用的运动目标检测方法，它通过比较连续三帧图像之间的差异来检测运动物体。这种方法尤其适用于背景变化较小的场景。
目录
1 方案
2 实践
① 代码
② 效果图
1 方案
具体步骤如下：
① 读取视频流：使用cv2.VideoCapture()读取视频文件。
② 灰度化：将彩色图像转换为灰度图，简化后续计算。
③ 帧间差分：计算连续三帧之间的差分，absdiff函数计算两个灰度图像的绝对差值。然后，将两帧差相加。
④ 阈值处理：使用threshold函数将差分图像转换为二值图像，突出运动区域。
⑤ 形态学操作：应用闭运算（morphologyEx）去除小的噪声点。
⑥ 显示结果：使用imshow显示检测到的运动区域和当前帧。
⑦ 更新帧：将当前帧更新为下一帧，以便在循环中持续检测运动目标。
⑧ 退出循环：按’q’键退出程序。
需要注意的是，三帧差法仅适用于背景相对静止的场景。如果背景的变化较大，则需要更复杂的方法（背景减除或自适应阈值技术）。
2 实践
① 代码
import cv2
import numpy as npdef OD(video_path):# 初始化摄像头cap = cv2.VideoCapture(video_path)# 读取第一帧作为初始帧ret, frame1 = cap.read()frame1_gray = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)# 读取第二帧ret, frame2 = cap.read()frame2_gray = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)while True:# 读取第三帧ret, frame3 = cap.read()if not ret:breakframe3_gray = cv2.cvtColor(frame3, cv2.COLOR_BGR2GRAY)# 计算帧间差diff1 = cv2.absdiff(frame1_gray, frame2_gray)diff2 = cv2.absdiff(frame2_gray, frame3_gray)# 将两帧差相加diff = cv2.add(diff1, diff2)# 应用阈值来提取运动区域_, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)# 使用形态学操作去除噪声kernel = np.ones((5, 5), np.uint8)closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)# 显示结果cv2.imshow("video", frame3)cv2.imshow('Motion Detection', closing)# 更新帧frame1_gray = frame2_grayframe2_gray = frame3_gray# 按'q'退出循环if cv2.waitKey(1) & 0xFF == ord('q'):break# 释放资源cap.release()cv2.destroyAllWindows()if __name__ == '__main__':OD("test.mp4")pass② 效果图
至此，本文分享的内容就结束啦。
