使用OpenCV+Python构建运动热图视频

    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