Python module for comparing two frames from a video for motion.
$ pip install motion-detector-g4
The source code is available on GitHub.
Download and install the package:
$ git clone https://github.com/Genzo4/motion_detector
$ cd motion_detector
$ pip install -r requirements.txt
$ pip install .
Import:
from motion_detector_g4 import MotionDetector
Create an instance of the motion detector. You can specify additional options:
- min_area - minimum tracked change size (blob size). Default value: 4000.
- max_area - maximum tracked change size (blob size). Default value: 150000.
- noise_size - the maximum size of the removed noise. Default value: 10.
- debug - debug mode. If it is enabled, intermediate frames are created, showing the process of processing. Default value: False.
md = MotionDetector(min_area=4000, max_area=150000, noise_size=10, debug=False)
The module uses the following algorithm:
- The first frame is being processed (method apply_first_frame).
- The next frame is being processed (method check_motion):
- the first frame is subtracted from this frame using the module BackgroundSubtractorMOG2
from the library OpenCV. If debug mode is enabled, then a file is created with an additional
extension "mask" with the result of the module.
- remove noise using the morphologyEx module from the OpenCV library. This process
configured using the noise_size parameter. If debug mode is enabled, then
a file is created with the additional extension "clear" with the result of the module's operation.
- looking for areas of motion (blobs) larger than min_area but smaller than max_area. If debug mode is enabled, then
files are created with the extension "blobs" and "blobs2" with the result of the module's operation
(found areas are circled in red).
- the first frame is subtracted from this frame using the module BackgroundSubtractorMOG2
from the library OpenCV. If debug mode is enabled, then a file is created with an additional
extension "mask" with the result of the module.
See the example.py file for an example of usage.
Python модуль для сравнения двух кадров из видеозаписи на предмет наличия движения в них.
$ pip install motion-detector-g4
Исходный код размещается на GitHub.
Скачайте его и установите пакет:
$ git clone https://github.com/Genzo4/motion_detector
$ cd motion_detector
$ pip install -r requirements.txt
$ pip install .
Подключаем:
from motion_detector_g4 import MotionDetector
Создаём экземпляр детектора движения. Можно указать дополнительные параметры:
- min_area - минимальный размер отслеживаемого изменения (размера blob'а). Значение по умолчанию: 4000.
- max_area - максимальный размер отслеживаемого изменения (размера blob'а). Значение по умолчанию: 150000.
- noise_size - максимальный размер удаляемого "шума". Значение по умолчанию: 10.
- debug - режим отладки. Если его включить, то создаются промежуточные кадры, показывающие процесс обработки. Значение по умолчанию: False.
md = MotionDetector(min_area=4000, max_area=150000, noise_size=10, debug=False)
В модуле используется следующий алгоритм:
- Подаётся на обработку первый кадр (метод apply_first_frame).
- Подаётся на обработку следующий кадр (метод check_motion):
- из этого кадра "вычитается" первый кадр с помощью модуля BackgroundSubtractorMOG2
из библиотеки OpenCV. Если включён режим отладки, то создаётся файл с добавочным
расширением "mask" с результатом работы модуля.
- удаляем "шум" с помощью модуля morphologyEx из библиотеки OpenCV. Данный процесс
настраивается с помощью параметра noise_size. Если включён режим отладки, то
создаётся файл с добавочным расширением "clear" с результатом работы модуля.
- ищем области движения (blob'ы) размером больше min_area, но меньше max_area. Если включён режим отладки, то
создаются файлы с добавочным расширением "blobs" и "blobs2" с результатом работы модуля
(найденные области обводятся красными кругами).
- из этого кадра "вычитается" первый кадр с помощью модуля BackgroundSubtractorMOG2
из библиотеки OpenCV. Если включён режим отладки, то создаётся файл с добавочным
расширением "mask" с результатом работы модуля.
Пример использования см. в файле example.py