Python 如何使用opencv检测帧之间是否存在运动，而不只是减去帧？

我有一个固定位置的摄像头，可以观察目标，我想检测是否有人走在目标前面。场景中的照明可以更改，因此，从前一帧减去新更改的帧将检测运动，即使实际没有发生运动。我曾想比较两帧之间的轮廓数量（通过在canny获得的二值边缘图像上使用FindOntours（）获得，然后获得该图像的大小（）），因为这里的一个大变化可能表示移动，同时对光线变化不太敏感，我是OpenCV的新手，到目前为止，我的实现还没有成功。有没有一种方法可以让它工作，或者我只需要减去帧。我不需要追踪那个人，只需要检测他们是否在现场。

有几种方法可以做到这一点

首先想到的是对传入图像进行2D FFT。颜色不应该对FFT影响太大，但是移动、进入/退出帧的对象会影响FFT

---

第二种方法是使用SIFT或SURF生成图像中的特征列表，您可以将这些点插入到地图中，按照您喜欢的方式进行排序，然后在您拍摄的最后一张图像和当前图像之间进行设置。您还可以使用FLANN功能来比较生成的功能。

我有点生疏，但有多种方法可以做到这一点

SIFT和SURF是非常昂贵的操作，所以我认为你不会想使用它们

有几种“背景去除”方法

平均删除：在这一个中，你得到N帧的平均值，并将其视为BG。这很容易受到很多因素的影响，如光线变化、阴影、移动对象长时间停留在某个位置等

高斯混合模型：比1先进一点。仍然容易受到很多事情的影响

增量主成分追踪（incremental Princy component pursuit）：我记不清算法的全部内容，但基本思想是将每一帧转换为稀疏形式，然后从稀疏矩阵中提取运动对象

光流：您可以在视频的时域中找到变化。例如，逐块比较frame2和frame1，并告知更改方向

基于CNN的方法：我知道有很多，但我并没有真正遵循它们。你可能得做些调查。据我所知，它们往往比上述方法更好

请注意，对于@30Fps，您的代码应该在每帧33ms内完成，因此它可以是实时的。您可以找到许多可用于此任务的代码