本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者： 机器学习与统计学
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef
目前计算机视觉（CV）与自然语言处理（NLP）及语音识别并列为人工智能三大热点方向，而计算机视觉中的对象检测(objectdetection)应用非常广泛，比如自动驾驶、视频监控、工业质检、医疗诊断等场景。
下面就是我们完整的代码实现（已调试运行）：
1 import numpy as np 2 import cv2 3 font = cv2.FONT_HERSHEY_SIMPLEX 4 lower_green = np.array([35, 110, 106]) # 绿色范围低阈值 5 upper_green = np.array([77, 255, 255]) # 绿色范围高阈值 6 lower_red = np.array([0, 127, 128]) # 红色范围低阈值 7 upper_red = np.array([10, 255, 255]) # 红色范围高阈值 8 #需要更多颜色，可以去百度一下HSV阈值！ 9 # cap = cv2.VideoCapture('1.mp4') # 打开视频文件 10 cap = cv2.VideoCapture(0)#打开USB摄像头 11 if (cap.isOpened()): # 视频打开成功 12 flag = 1 13 else: 14 flag = 0 15 num = 0 16 if (flag): 17 while (True): 18 ret, frame = cap.read() # 读取一帧 19 20 if ret == False: # 读取帧失败 21 break 22 hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) 23 mask_green = cv2.inRange(hsv_img, lower_green, upper_green) # 根据颜色范围删选 24 mask_red = cv2.inRange(hsv_img, lower_red, upper_red) 25 # 根据颜色范围删选 26 mask_green = cv2.medianBlur(mask_green, 7) # 中值滤波 27 mask_red = cv2.medianBlur(mask_red, 7) # 中值滤波 28 mask = cv2.bitwise_or(mask_green, mask_red) 29 mask_green, contours, hierarchy = cv2.findContours(mask_green, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 30 mask_red, contours2, hierarchy2 = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 31 32 for cnt in contours: 33 (x, y, w, h) = cv2.boundingRect(cnt) 34 cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 255), 2) 35 cv2.putText(frame, "Green", (x, y - 5), font, 0.7, (0, 255, 0), 2) 36 37 for cnt2 in contours2: 38 (x2, y2, w2, h2) = cv2.boundingRect(cnt2) 39 cv2.rectangle(frame, (x2, y2), (x2 + w2, y2 + h2), (0, 255, 255), 2) 40 cv2.putText(frame, "Red", (x2, y2 - 5), font, 0.7, (0, 0, 255), 2) 41 num = num + 1 42 cv2.imshow("dection", frame) 43 cv2.imwrite("imgs/%d.jpg"%num, frame) 44 if cv2.waitKey(20) & 0xFF == 27: 45 break 46 cv2.waitKey(0) 47 cv2.destroyAllWindows()
如图所示，我们将会检测到红色区域
最终的效果图：
.