opencv在做运动对象检测时主要通过对前后背景差的检测来实现运动对象的检测：

import cv2
import time

# 定义摄像头对象，其参数0表示第一个摄像头
camera = cv2.VideoCapture(0)
# 测试用,查看视频size
width = int(camera.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))
size = width, height
# 打印一下分辨率
print(repr(size))
# 设置一下帧数和前背景
fps = 5
pre_frame = None

while (1):
    start = time.time()
    # 读取视频流
    ret, frame = camera.read()
    # 转灰度图
    gray_pic = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    if not ret:
        print("打开摄像头失败")
        break
    end = time.time()

    cv2.imshow("capture", frame)

    # 运动检测部分,看看是不是5FPS
    seconds = end - start
    if seconds < 1.0 / fps:
        time.sleep(1.0 / fps - seconds)
    gray_pic = cv2.resize(gray_pic, (480, 480))
    # 用高斯滤波进行模糊处理
    gray_pic = cv2.GaussianBlur(gray_pic, (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_pic
    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_pic)
        # 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, 30, 255, cv2.THRESH_BINARY)[1]
        print("thresh:")
        print(thresh)
        # 用一下腐蚀与膨胀
        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)
        contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        for c in contours:
            # 设置敏感度
            # contourArea计算轮廓面积
            if cv2.contourArea(c) < 1000:
                continue
            else:
                print("有人员活动！！！")
                # 保存图像
                TI = time.strftime('%Y-%m-%d', time.localtime(time.time()))
                cv2.imwrite("D:\\PYthon\\first_j\\" + "JC" + TI + '.jpg', frame)
                break
        pre_frame = gray_pic

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# release()释放摄像头
camera.release()
# destroyAllWindows()关闭所有图像窗口
cv2.destroyAllWindows()

 

分析代码的实现步骤：

  1. 捕获图像
  2. 高斯模糊处理
  3. 前后背景图像求差值并取绝对值
  4. 求阈值
  5. 将图像二值化
  6. 图片膨胀处理，使其完整化边界
  7. 求轮廓和面积

Opencv中使用cv2.waitKey(1) & 0xFF == ord('q')的原因

waitKey(int delay)这个函数接收一个整型值，如果这个值是零，那么函数不会有返回值，如果delay大于0，那么超过delayms后，如果没有按键，那么会返回-1，如果按键那么会返回键盘值。 
  在某些系统中，返回的键盘值可能不是ASCII编码的，所以通过与运算只取字符最后一个字节。

ord() 函数是 chr() 函数（对于8位的ASCII字符串）或 unichr() 函数（对于Unicode对象）的配对函数，它以一个字符（长度为1的字符串）作为参数，返回对应的 ASCII 数值，或者 Unicode 数值，如果所给的 Unicode 字符超出了你的 Python 定义范围，则会引发一个 TypeError 的异常。

Python time strftime()方法

Python time strftime() 函数接收以时间元组，并返回以可读字符串表示的当地时间，格式由参数format决定。

#!/usr/bin/python
import time

t = (2009, 2, 17, 17, 3, 38, 1, 48, 0)
t = time.mktime(t)
print time.strftime("%b %d %Y %H:%M:%S", time.gmtime(t))

函数：cv2.fifindContours()

contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

函数 cv2.fifindContours() 有三个参数，第一个是输入图像，第二个是 轮廓检索模式，第三个是轮廓近似方法。返回值有三个，第一个是图像，第二个 是轮廓，第三个是（轮廓的）层析结构。轮廓（第二个返回值）是一个 Python 列表，其中存储这图像中的所有轮廓。每一个轮廓都是一个 Numpy 数组，包 含对象边界点（x，y）的坐标。