四帧差法是一种运动目标检测技术，它通过比较连续四帧图像之间的差异来检测运动物体。这种方法可以在一定的程度上提高检测的准确性。
目录
1 方案
2 实践
① 代码
② 效果图
1 方案
具体的步骤如下：
① 读取视频流：使用cv2.VideoCapture()读取视频文件。
② 读取初始的三帧图像：连续读取三帧图像并将其转换为灰度图。
③ 读取新帧：循环中，读取新的第四帧并将其转换为灰度图，保持队列中有四帧。
④ 计算帧间差：使用cv2.absdiff计算连续帧之间的差值。
⑤ 差值叠加：将三个帧间差值相加，以增强运动区域的对比度。
⑥ 阈值处理：使用cv2.threshold将叠加后的差值图像转换为二值图像。
⑦ 形态学闭运算：使用cv2.morphologyEx进行闭运算，去除噪声，填充运动物体的轮廓。
⑧ 显示结果：使用cv2.imshow显示检测到的运动区域和当前帧。
⑨ 更新帧：将当前帧更新为下一帧，以便在循环中持续检测运动。
⑩ 退出循环：按’q’键退出程序。
四帧差法通过增加参考帧的数量，可以更准确地检测运动物体，尤其在复杂背景下表现更佳。与三帧差法相比，这种方法也会增加一些计算量。
2 实践
① 代码
import cv2
import numpy as npdef OD(video_path):# 初始化摄像头cap = cv2.VideoCapture(video_path)# 读取前四帧ret, frame1 = cap.read()frame1_gray = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)ret, frame2 = cap.read()frame2_gray = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)ret, frame3 = cap.read()frame3_gray = cv2.cvtColor(frame3, cv2.COLOR_BGR2GRAY)while True:# 读取下一帧ret, frame4 = cap.read()if not ret:breakframe4_gray = cv2.cvtColor(frame4, cv2.COLOR_BGR2GRAY)# 计算帧间差diff1 = cv2.absdiff(frame1_gray, frame2_gray)diff2 = cv2.absdiff(frame2_gray, frame3_gray)diff3 = cv2.absdiff(frame3_gray, frame4_gray)# 将三帧差相加diff_total = cv2.add(diff1, diff2)diff_total = cv2.add(diff_total, diff3)# 应用阈值处理_, thresh = cv2.threshold(diff_total, 30, 255, cv2.THRESH_BINARY)# 形态学闭运算，去除噪声kernel = np.ones((5, 5), np.uint8)closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)# 显示结果cv2.imshow('Video', frame4)cv2.imshow('Motion Detection', closing)# 更新帧frame1_gray = frame2_grayframe2_gray = frame3_grayframe3_gray = frame4_gray# 按'q'退出循环if cv2.waitKey(1) & 0xFF == ord('q'):break# 释放资源cap.release()cv2.destroyAllWindows()if __name__ == '__main__':OD("test.mp4")pass② 效果图
至此，本文分享的内容就结束啦。
