2019年11月28日开发手记

时间:2019-11-29 巫师笔记人气:0

为了方便后面目标识别的处理，将投影求分类的函数嵌入进fft滤波函数中，共同组成fttmovedetect函数，利用python的切片功能实现投影
代码：

arryAllW[:] = arryAllW[:] + arryH[:]
arryAllH[:] = arryAllH[:] + arryL[:]

为在投影中分割多目标区域，引入两个变量：Yindexh 与Yindexl，用于记录分界点的个数，其中分界点由python中的卷积函数求出：

arryAllHH[0, :] = np.convolve(arryAllHH[0, :], conMask, mode='same')     # numpy函数中的卷积函数库
arryAllHL[0, :] = np.convolve(arryAllHL[0, :], conMask, mode='same')     # numpy函数中的卷积函数库

又引入两个数组：yArryh[:]与yArryl[:] 用于记录分界点的位置，分界点位置的判断由以下语句实现：

for a in range(1, int(High / SteppingH), 1):
    if arryAllHH[0, a] > 0 and arryAllHH[0, (a - 1)] <= 0:
        yArryh[0, Yindexh] = a
        Yindexh = Yindexh + 1
    if arryAllHH[0, a] <= 0 and arryAllHH[0, (a - 1)] > 0:
        yArryh[0, Yindexh] = a - 1
        Yindexh = Yindexh + 1

    if arryAllHL[0, a] > 0 and arryAllHL[0, (a - 1)] <= 0:
        yArryl[0, Yindexl] = a
        Yindexl = Yindexl + 1
    if arryAllHL[0, a] <= 0 and arryAllHL[0, (a - 1)] > 0:
        yArryl[0, Yindexl] = a - 1
        Yindexl = Yindexl + 1

接下来根据得到的分界点的数量与位置对运动图像进行分割：

for b in range(0, Yindexl, 2):
    frameshow = cv2.rectangle(frameshow, (xArryl[0,i]*SteppingW, yArryl[0,b]*SteppingH) , (xArryl[0, i+1]*SteppingW, yArryl[0,b+1]*SteppingH), (200, 10, 140), 6)

多目标检测完成，效果如图：

加载全部内容