AI 社交距离检测器：处理 OpenCV 中的图像

• 下载源码 - 71.7 KB

2020年，随着COVID-19危机席卷全球，社交距离突然变得至关重要。社交距离措施对公共卫生至关重要，但同时在所有地方强制执行也是不可能的。

在本系列文章中，我们将探讨如何利用人工智能和深度学习对视频帧进行处理，以确保人们在人群中保持足够的社交距离。在本系列结束时，您将了解如何使用人工智能来判断人们是否没有遵守社交距离协议。

社交距离检测器，与其他任何检测器一样，通常应用于图像或视频序列。本系列文章将从解释如何使用Python 3和OpenCV捕获摄像头图像、读取和写入图像以及视频序列开始。下一步，我们将学习如何使用OpenCV为检测到的对象添加标注。

OpenCV是流行的开源、跨平台计算机视觉库，适用于实时计算机视觉应用。它为图像处理、对象检测、机器学习、深度学习、计算摄影等提供了便捷的API。要开始在您的Python 3应用程序中使用OpenCV，只需安装opencv-python包。

pip3 install opencv-python

然后，像这样导入cv2模块：

import cv2 as opencv

这样，您就准备好使用OpenCV了。在接下来的部分中，我们将使用OpenCV API读取、显示和写入图像。然后，我们将学习如何处理视频流，以及如何从网络摄像头捕获视频。您可以在此处找到配套代码：此处。

读取和显示静态图像

我们首先从Lena.png文件读取图像。我从维基百科下载了此文件。以下是加载和显示图像的完整Python脚本：

import cv2 as opencv
 
# Load image
file_path = 'Lena.png'
lena_img = opencv.imread(file_path)
 
# Display image
opencv.imshow('Lena', lena_img)
opencv.waitKey(0)

首先，我使用imread函数从文件读取图像。我将此操作的结果存储在lena_img变量中。然后，我使用imshow方法显示此图像。此方法接受两个参数：将显示图像的窗口的标题，以及要显示的图像。请注意最后的waitKey函数调用。它将阻塞脚本执行，直到用户按下任意键才显示图像。waitKey函数的参数是超时时间。我传递0，表示无限超时。

运行上述脚本后，您将看到Lena图像。

请注意，imread函数除了图像文件路径外，还接受一个可选参数，用于指示图像的颜色比例。您可以使用以下三个值中的一个：

• IMREAD_GRAYSCALE或1 – 图像将以灰度模式加载。
• IMREAD_COLOR或0 – 图像将以彩色模式加载，忽略透明通道。
• IMREAD_UNCHANGED或-1 – 图像将以原始颜色比例加载，并包含透明度。

IMREAD_COLOR选项是默认选项。这就是为什么我们看到Lena图像的彩色版本。让我们看看如何以灰度模式加载图像。为此，请按如下方式修改imread：

lena_img = opencv.imread(file_path, opencv.IMREAD_GRAYSCALE)

重新运行脚本后，您将看到以下输出：

写入图像

现在我们知道了如何读取和显示图像，让我们看看如何将图像写入磁盘。为此，我们将用以下语句扩展我们的脚本：

# Process image (Gaussian blur) 
kernel_size = (11,11)
sigma_X = 0
 
lena_img_processed = opencv.GaussianBlur(lena_img, kernel_size, sigma_X)
 
# Save image
output_file_path = 'Lena-processed.jpg'
opencv.imwrite(output_file_path, lena_img_processed)

上述脚本首先使用OpenCV的GaussianBlur方法，基于预定义的11x11像素内核大小模糊图像。模糊后的图像存储在lena_img_processed变量中，然后使用imwrite方法将其保存到Lena-processed.png文件中。如上所示，imwrite接受两个参数。第一个是文件路径，第二个是要写入的图像。可选地，imwrite接受一个压缩参数数组。您可以按以下方式传递它们：

opencv.imwrite(output_file_path, lena_img_processed, [int(opencv.IMWRITE_JPEG_QUALITY), 100])

修改脚本后的结果将是Lena-processed.jpg，看起来如下：

视频捕获

要从网络摄像头捕获帧，您可以使用OpenCV的VideoCapture对象。其构造函数接受一个整数，表示摄像头的索引，或视频文件的路径。我从摄像头索引开始，传递0。

import cv2 as opencv
 
# Create video capture
video_capture = opencv.VideoCapture(0)

然后，要从网络摄像头捕获帧，您可以使用VideoCapture类实例的read函数。此方法返回捕获状态（一个布尔值）和捕获的帧。因此，下一步是使用imshow函数检查状态并显示帧。

quit_key = ord('q')
 
# Display images in a loop until user presses 'q' key
while(True):            
    (status, camera_frame) = video_capture.read()    
 
    if(status):
        opencv.imshow('Camera preview', camera_frame)
 
    key = opencv.waitKey(10)
 
    if(key == quit_key):
        break

上述过程将一直持续到用户在键盘上按下“Q”为止。运行此脚本时，您将看到从默认网络摄像头捕获的视频序列。

将摄像头帧写入视频文件

您也可以将捕获的帧写入文件。为此，您可以使用VideoWriter。创建此类型的对象时，您需要提供视频文件的路径、视频编解码器、帧率和帧大小。OpenCV使用fourCC编解码器，您可以使用VideoWriter_fourcc对象创建它。您传递一系列字母，代表编解码器。例如，要使用MJPG编解码器，请按以下方式将每个字母作为参数传递：

codec = opencv.VideoWriter_fourcc('M','J','P','G')

这是一个完整的示例，演示如何将来自网络摄像头的视频序列写入视频文件（请参阅配套代码中的video_capture.py）。

import cv2 as opencv
 
quit_key = ord('q')
 
# Create video capture
video_capture = opencv.VideoCapture(0)
 
# Video writer
video_file_name = 'camera_capture.avi'
codec = opencv.VideoWriter_fourcc('M','J','P','G')
frame_rate = 25
video_writer = None
 
# Display images in a loop until user presses 'q' key
while(True):            
    (status, camera_frame) = video_capture.read()    
 
    if(status):
        opencv.imshow('Camera preview', camera_frame)        
 
        if(video_writer == None):            
            frame_size = camera_frame.shape[-2::-1]            
            video_writer = opencv.VideoWriter(video_file_name, 
                codec, frame_rate, frame_size)
 
        video_writer.write(camera_frame)
 
    key = opencv.waitKey(10)
 
    if(key == quit_key):
        break
 
video_writer.release()

上述脚本扩展了从网络摄像头捕获帧的脚本，使用了VideoWriter。请注意，我只在成功捕获第一帧后初始化一次VideoWriter。我这样做是为了能够访问摄像头的帧大小。我从camera_frame的shape属性中解包帧大小。然后，我调用write方法将新帧添加到视频文件中。写入完成后，我调用release方法关闭VideoWriter。

读取视频文件

在最后一步，我将向您展示如何使用OpenCV读取视频序列。再次使用VideoCapture对象，但这次您需要传递视频文件名。

video_capture = opencv.VideoCapture(video_file_name)

然后，以与从网络摄像头捕获视频相同的方式读取连续帧。

video_capture.read()

您可以使用imshow方法显示加载的帧。以下是实现此类功能的完整脚本（请参阅配套代码中的video_preview.py）。

import cv2 as opencv
 
video_file_name = 'camera_capture.avi'
frame_rate = 25
 
video_capture = opencv.VideoCapture(video_file_name)
 
while(True):
    (status, camera_frame) = video_capture.read()
    
    if(status):
        opencv.imshow('Video file', camera_frame)
        opencv.waitKey(int(1000/frame_rate))
    else:
        break

总结

我们学习了如何使用OpenCV对图像（加载、写入和显示）和视频流（读取和写入）执行基本操作。这与图像标注一起，将为构建我们的AI对象检测器奠定基础。在下一篇文章中，我们将学习如何为图像添加标注。这些标注将指示检测到的对象。