0x00

帧间差分法顾名思义，就是将视频的前后帧对应的像素点进行差运算得出差值。

0x01 原理

首先将视频每帧画面转为二值图（即只有“白”与“黑”两种颜色的图），再将前后帧进行差运算。当前后帧的同一个像素点的差值不为零，并且差值的绝对值超过设定的阈值时，就可以判断画面发生了移动。

0x02 优点

• 算法简单，程序实现的难度不高
• 对光线的变化感知不明显（只要光线变化不是太大，二值化后的图像基本相同）
• 能够适应各种动态变化的图像，稳健性较强

0x03 缺点

• 对于快速移动的物体，画面容易变“糊”，过快的话甚至会被认为是两个物体
• 对于慢速移动的物体，由于速度过慢导致前后帧几乎重合，而检测不到物体
• 检测出的物体有“空洞”，只能检测出移动物体的外边，而且检测出来的外边要比物体实际的轮廓大

0x10 相邻帧间差分法

相邻帧间差分法就是二帧法，对相邻的两帧图像做差运算，取差值的绝对值构成移动物体。

其优点是实时性高，运算快速。但光照突变的情况下效果不好。

0x11 代码实现

使用 opencv-python进行演示

import cv2

#上一帧
lastFram = None
#我这的视频源是使用网络摄像头
cap = cv2.VideoCapture("rtsp://admin:admin@192.168.31.89:8445/live")
while (cap.isOpened()):
    #逐帧读取摄像头画面
    ret, fram = cap.read()
    #转为灰度图
    fram = cv2.cvtColor(fram, cv2.COLOR_BGR2GRAY)
    #转为二值图
    fram = cv2.threshold(fram, 25, 255, cv2.THRESH_BINARY)[1]
    #初始帧
    if lastFram is None:
        lastFram = fram
        continue
    #将上一帧与当前帧做差运算
    frameDelta = cv2.absdiff(lastFram, fram)
    #当前帧设为上一帧
    lastFram = fram.copy()
    #显示
    cv2.imshow("f", fram)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

0x20 三帧法

三帧就是在二帧让的基础上，进行与运算。

假设有A、B、C三帧，AB做差运算，BC做差运算，再将两个差运算做与运算。

相比二帧更适用于移动较快的情况。

0x21 程序实现

import cv2

#A帧
aFram = None
#B帧
bFram = None
#我这的视频源是使用网络摄像头
cap = cv2.VideoCapture("rtsp://admin:admin@192.168.31.89:8445/live")
while (cap.isOpened()):
    #逐帧读取摄像头画面
    ret, fram = cap.read()
    #转为灰度图
    fram = cv2.cvtColor(fram, cv2.COLOR_BGR2GRAY)
    #转为二值图
    fram = cv2.threshold(fram, 25, 255, cv2.THRESH_BINARY)[1]
    #初始帧
    if bFram is None:
        if aFram is None:
            aFram = fram.copy()
        else:
            bFram = fram.copy()
            global abFram
            abFram = cv2.absdiff(aFram, bFram)
        continue
  
    bcFram = cv2.absdiff(bFram, fram)
    #与运算
    thresh = cv2.bitwise_and(adFram,bcFram)
  
    abFram = bcFram.copy()
    aFram = bFram.copy()
    bFram = fram.copy()
    #显示
    cv2.imshow("f", thresh)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()