目前计算机视觉（CV）与自然语言处理（NLP）及语音识别并列为人工智能三大热点方向，而计算机视觉中的对象检测(objectdetection)应用非常广泛，比如自动驾驶、视频监控、工业质检、医疗诊断等场景。

目标检测的根本任务就是将图片或者视频中感兴趣的目标提取出来，目标的识别可以基于颜色、纹理、形状。其中颜色属性运用十分广泛，也比较容易实现。下面就向大家分享一个我做的小实验———通过OpenCV的Python接口来实现从视频中进行颜色识别和跟踪。

下面就是我们完整的代码实现（已调试运行）：

import numpy as np
import cv2
font = cv2.FONT_HERSHEY_SIMPLEX
lower_green = np.array([35,110,106]) # 绿色范围低阈值
upper_green = np.array([77,255,255]) # 绿色范围高阈值
lower_red = np.array([0,127,128]) # 红色范围低阈值
upper_red = np.array([10,255]) # 红色范围高阈值
#需要更多颜色，可以去百度一下HSV阈值！
# cap = cv2.VideoCapture('1.mp4') # 打开视频文件
cap = cv2.VideoCapture(0)#打开USB摄像头
if (cap.isOpened()): # 视频打开成功
 flag = 1
else:
 flag = 0
num = 0
if (flag):
 while (True):
 ret,frame = cap.read() # 读取一帧

 if ret == False: # 读取帧失败
  break
 hsv_img = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
 mask_green = cv2.inRange(hsv_img,lower_green,upper_green) # 根据颜色范围删选
 mask_red = cv2.inRange(hsv_img,lower_red,upper_red)
 # 根据颜色范围删选
 mask_green = cv2.medianBlur(mask_green,7) # 中值滤波
 mask_red = cv2.medianBlur(mask_red,7) # 中值滤波
 mask = cv2.bitwise_or(mask_green,mask_red)
 mask_green,contours,hierarchy = cv2.findContours(mask_green,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
 mask_red,contours2,hierarchy2 = cv2.findContours(mask_red,cv2.CHAIN_APPROX_NONE)

 for cnt in contours:
  (x,y,w,h) = cv2.boundingRect(cnt)
  cv2.rectangle(frame,(x,y),(x + w,y + h),(0,255),2)
  cv2.putText(frame,"Green",y - 5),font,0.7,0),2)

 for cnt2 in contours2:
  (x2,y2,w2,h2) = cv2.boundingRect(cnt2)
  cv2.rectangle(frame,(x2,y2),(x2 + w2,y2 + h2),"Red",y2 - 5),2)
 num = num + 1
 cv2.imshow("dection",frame)
 cv2.imwrite("imgs/%d.jpg"%num,frame)
 if cv2.waitKey(20) & 0xFF == 27:
  break
cv2.waitKey(0)
cv2.destroyAllWindows()

如图所示，我们将会检测到红色区域

最终的效果图：

总结

以上所述是小编给大家介绍的50行Python代码实现视频中物体颜色识别和跟踪，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对我们网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！