Pi视觉追踪（三）：OpenCV运动检测

视觉检测是追踪系统最关键的一环。对于蚊子这种小而快的目标，传统的HSV颜色阈值完全失效，必须切换到运动检测范式。

为什么不能用HSV颜色阈值

气球场景HSV颜色阈值有效，因为气球大、颜色鲜艳。但蚊子场景完全不同：

两种主流运动检测算法

A. MOG2背景减除（推荐主用）

维护一个背景模型（混合高斯），每帧与当前帧对比。自适应光照变化，抗噪声，阴影可检测（灰色标记）。

OpenCV接口：cv2.createBackgroundSubtractorMOG2(history=500, varThreshold=16, detectShadows=True)

参数调优：

B. 帧差法（轻量备用）

直接计算连续帧灰度差，计算量小，但只对快速运动有效。改进版本是三帧差分法，可以减少”空洞”现象。

检测流水线

读取帧
  → 灰度化 + GaussianBlur降噪
  → MOG2.apply() 得到前景掩码
  → morphologyEx 开运算去噪点
  → findContours 找轮廓
  → 按面积过滤（蚊子5~50像素²，去除过大过小）
  → 取最大/最近运动blob
  → moments计算质心(cx, cy)
  → 返回质心坐标

完整代码：MOG2背景减除检测

"""
motion_mog2.py — OpenCV MOG2 背景减除检测运动物体
来源：改编自 myronabotanel/motion-tracking-opencv 与百度云开发者社区教程
依赖：pip install opencv-python numpy

运行：python motion_mog2.py  （按q退出）
说明：摄像头0号，输出前景掩码+检测框+质心
"""
import cv2
import numpy as np

# === 配置 ===
CAM_INDEX = 0
RES_W, RES_H = 320, 240                # 低分辨率提帧率
HISTORY = 500
VAR_THRESHOLD = 40                     # 蚊子小目标建议25-50
DETECT_SHADOWS = False                 # 关闭阴影检测减噪
MIN_AREA = 5                           # 蚊子最小面积(像素²)
MAX_AREA = 500                         # 排除人等大物体
MORPH_KERNEL = 3                       # 形态学核大小

# MOG2初始化
fgbg = cv2.createBackgroundSubtractorMOG2(
    history=HISTORY,
    varThreshold=VAR_THRESHOLD,
    detectShadows=DETECT_SHADOWS
)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (MORPH_KERNEL, MORPH_KERNEL))

cap = cv2.VideoCapture(CAM_INDEX)
cap.set(3, RES_W)
cap.set(4, RES_H)

# 预热背景模型（采集几十帧让MOG2学背景）
print("预热背景模型（请勿在前方活动），3秒...")
for _ in range(60):
    ret, _ = cap.read()
    if not ret:
        break

def detect_largest_motion(frame):
    """返回最大运动blob的质心(cx, cy)与面积，无则返回None"""
    fgmask = fgbg.apply(frame)
    fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)

    contours, _ = cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if not contours:
        return None, fgmask

    # 按面积过滤
    valid = [c for c in contours if MIN_AREA <= cv2.contourArea(c) <= MAX_AREA]
    if not valid:
        return None, fgmask

    largest = max(valid, key=cv2.contourArea)
    M = cv2.moments(largest)
    if M["m00"] == 0:
        return None, fgmask
    cx = int(M["m10"] / M["m00"])
    cy = int(M["m01"] / M["m00"])
    return (cx, cy, cv2.contourArea(largest)), fgmask


if __name__ == "__main__":
    try:
        while True:
            ret, frame = cap.read()
            if not ret:
                break
            result, fgmask = detect_largest_motion(frame)
            if result:
                cx, cy, area = result
                cv2.circle(frame, (cx, cy), 5, (0, 0, 255), -1)
                cv2.putText(frame, f"area={area}", (cx + 10, cy),
                            cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)
            # 画画面中心十字
            cv2.drawMarker(frame, (RES_W // 2, RES_H // 2), (255, 0, 0),
                           cv2.MARKER_CROSS, 10, 1)
            cv2.imshow("frame", frame)
            cv2.imshow("fgmask", fgmask)
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
    finally:
        cap.release()
        cv2.destroyAllWindows()

蚊子检测的额外建议

1. 降分辨率提帧率：320×240甚至160×120，可上60fps以上，这对于追快速运动至关重要。
2. 环境光照稳定：蚊子背景复杂时，可在视野中放浅色背景板。
3. 缩小ROI：先用低分辨率全帧检测，锁定后只处理ROI区域，大幅提帧率。
4. 多帧确认：连续3-5帧检测到才触发跟踪，避免单帧噪点误触发。
5. 有效距离：C270在1米外蚊子已近亚像素，实际有效范围0.5~1.5米。