惊！Python能够检测动态的物体颜色！_cv2.dilate(binary, none, iterations=2)-CSDN博客

本文介绍了使用Python和OpenCV通过图片对比检测视频中动态物体的方法，实现了对动态物体的定位和颜色判断。适用于树莓派或单片机追踪，以及监控场景。文章还探讨了目标检测的发展和区域提名策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本篇文章将通过图片对比的方法检查视频中的动态物体，并将其中会动的物体定位用cv2矩形框圈出来。本次项目可用于树莓派或者单片机追踪做一些思路参考。寻找动态物体也可以用来监控是否有人进入房间等等场所的监控。不仅如此，通过对物体的像素值判断分类，达到判断动态物体总体颜色的效果。

引言

物体检测，是一种基于目的几何学和统计资料特点的影像拆分，它将目的的拆分和辨识，其准确度和实时性是整个该系统的一项最重要战斗能力。特别是在是在简单桥段中的，必须对多个目的展开实时处理时，目的系统会萃取和辨识就变得尤其最重要。

随着计算机的持续发展和计算机系统感官基本原理的应用，建模数据处理新技术对目的展开动态追踪研究工作更加受欢迎，对目的展开静态动态追踪整合在信息化公交系统、人工智能监视该系统、军事战略目的检验及药学导航系统手术后中的手术器械整合等各个方面具备普遍的应用于商业价值。

开始前的准备

而这里显然我们没必要做到如此高深的地步，而是借助python和OpenCV通过图片相减的方法找到动态物体，然后根据像素值的大小判断其中的均值颜色。

首先我们使用的库有cv2，numpy，collections，time。其中导入模块的代码如下：

import cv2
import numpy as np
import collections
import time

下面是读取摄像头：

camera = cv2.VideoCapture(0)

做一些开始前的准备，包括循环次数，摄像头内容读入，保存上一帧的图片作为对比作差找到动态物体，然后定义框架的长和宽。

firstframe = None
a=0
ret0,frame0 = camera.read()
cv2.imwrite("1.jpg",frame0)
x, y, w, h = 10,10,100,100

下面是定义颜色的部分代码，比如定义的黑色，可以参照hsv表进行拓展,如图所示

然后可以知道黑色的最低值为0,0,0，最大值为180，255,46然后建立数组存储颜色数据，通过字典达到映射效果。

# 处理图片
def get_color(frame):
    print('go in get_color')
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    maxsum = -100
    color = None