树莓派下对摄像头的调用https://blog.csdn.net/Wangguang_/article/details/89850615

树莓派点亮LEDhttps://blog.csdn.net/Wangguang_/article/details/90258604

接下来，我们将使用python+opencv实现对移动物体的检测

程序功能：摄像头程序识别到移动的物体之后，树莓派连接的LED闪烁，屏幕中显示的摄像头界面出现绿色矩形框选物体移动部分

一、环境变量的配置

我们可以参照上一篇文章对我们的树莓派进行环境的配置

当我们将cv2的库安装之后，就可以实现对摄像头的操作

二、摄像头的连接

在此实验中，我使用的为usb摄像头

当我们连接摄像头之后，终端输入

ls /dev/video*

如果终端提示如下：

则表示摄像头连接成功

三、编码实现对移动物体的检测

使用python编写程序，实现对移动物体的检测，代码如下

#encoding=utf-8
import RPi.GPIO as GPIO
import cv2
import time
import os
 
GPIO.setmode(GPIO.BCM)
GPIO.setup(18,GPIO.OUT)
 
camera = cv2.VideoCapture(0)    # 定义摄像头对象，其参数0表示第一个摄像头
if camera is None:
    #如果摄像头打开失败，则输出提示信息
    print('please connect the camera')
    exit()
 
fps = 30    #帧率 
pre_frame = None    #总是取前一帧做为背景（不用考虑环境影响）
 
led = False
  
while True:
    start = time.time()
 
    # 读取视频流
    res, cur_frame = camera.read()
    if res != True:
        break
    end = time.time()
    
    seconds = end - start
    if seconds < 1.0/fps:
        time.sleep(1.0/fps - seconds)
    
    cv2.namedWindow('img',0);
    #cv2.imshow('img', cur_frame)
    
    #检测如何按下Q键，则退出程序
    key = cv2.waitKey(30) & 0xff
    if key == 27:
        break
 
    #转灰度图
    gray_img = cv2.cvtColor(cur_frame, cv2.COLOR_BGR2GRAY)
    #将图片缩放
    gray_img = cv2.resize(gray_img, (500, 500))
    # 用高斯滤波进行模糊处理
    gray_img = cv2.GaussianBlur(gray_img, (21, 21), 0)
 
    #如果没有背景图像就将当前帧当作背景图片
    if pre_frame is None:
        pre_frame = gray_img
    else:
        # absdiff把两幅图的差的绝对值输出到另一幅图上面来
        img_delta = cv2.absdiff(pre_frame, gray_img)
        
        #threshold阈值函数(原图像应该是灰度图,对像素值进行分类的阈值,当像素值高于（有时是小于）
        #阈值时应该被赋予的新的像素值,阈值方法)
        thresh = cv2.threshold(img_delta, 25, 255, cv2.THRESH_BINARY)[1]
        
        #膨胀图像
        thresh = cv2.dilate(thresh, None, iterations=2)
        
        # findContours检测物体轮廓(寻找轮廓的图像,轮廓的检索模式,轮廓的近似办法)
        # 该行代码可能有问题，是因为opencv版本问题，如果报错请将三个参数补全
        # image, contours, hierarchy =   cv2.findContours(thresh.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
        contours, hierarchy =   cv2.findContours(thresh.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
        
        for c in contours:
            #灵敏度
            if cv2.contourArea(c) < 1000:
                continue
            else:
                #框选移动部分
                (x,y,w,h) = cv2.boundingRect(c)
                cv2.rectangle(cur_frame,(x,y),(x+w,y+h),(0,255,0),2)
 
                print("something is moving!!!")
                led = True
                if led == True:
                    #LED闪烁
                    for i in range(30):
                        GPIO.output(18,GPIO.HIGH)
                        time.sleep(0.03)
                        GPIO.output(18,GPIO.LOW)
                        time.sleep(0.03)
                        GPIO.output(18,GPIO.LOW)
                break
        #显示
        cv2.imshow('img', cur_frame)	
        pre_frame = gray_img
 
# release()释放摄像头 
camera.release()
 
#destroyAllWindows()关闭所有图像窗口
cv2.destroyAllWindows()

我的树莓派终端不能显示中文，因此会出现乱码

Ubuntu下的运行结果如下

树莓派下执行结果如下：

此外，在检测物体移动的同时，添加了led闪烁以及框选移动部分的功能，led安装方法请移步之前的博客

https://blog.csdn.net/Wangguang_/article/details/90258604

文章参考链接：http://blog.topspeedsnail.com/archives/10797