動画でOpenCV(テンプレートマッチング)

WebカメラLogicool c270を買ったので 「OpenCVのテンプレートマッチングを試す 」を
動画でやってみた。

今回は、OpenCVのチュートリアル「動画を扱う」を参考にした。

テンプレート画像として、"temp100.png"　"temp200.png"　"temp300.png"を用意。
Logicool c270から読み込んだ画像を処理する。
Raspberry Pi 2 Model Bの処理を考えて、サイズを320x240、フレームレート15を設定。

※注意※
自分の環境では1回目の実行は問題ないが、2回目の実行で"cap = cv2.VideoCapture(0)"が
正常に行われないようなので、"cap.get(cv2.CAP_PROP_FPS) == 0"で判定しながら
繰り返し処理を入れてあります。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import cv2
import numpy as np
import tkinter

cap = cv2.VideoCapture(0)

while(cap.get(cv2.CAP_PROP_FPS) == 0):
    cap.release()
    cap = cv2.VideoCapture(0)

cap.set(3, 320)
cap.set(4, 240)
cap.set(5, 15.0)

print(cap.get(3))
print(cap.get(4))
print(cap.get(5))

grid_x = (25, 115, 205, 295)
grid_y = (45, 95, 145, 195)

fourcc = cv2.VideoWriter_fourcc(*"XVID")
out = cv2.VideoWriter('output.avi', fourcc, 15.0, (320,240))

while(True):
    res_100 = "???"
    res_200 = "???"
    res_300 = "???"
    text ="???"

    # Capture frame-by-frame
    ret, frame = cap.read()
    
    img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    for temp_num in [100, 200, 300]:
        temp = cv2.imread("temp" + str(temp_num) + ".png", 0)
        result = cv2.matchTemplate(img, temp, cv2.TM_CCOEFF_NORMED)
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

        if max_val > 0.8:
            b = 0
            g = 0
            r = 0
        
            if temp_num == 100:
                b = 255
            if temp_num == 200:
                g = 255
            if temp_num == 300:
                r = 255

            top_left = max_loc
            w, h = temp.shape[::-1]
            bottom_right = (top_left[0] + w, top_left[1] + h)

            res_x = []
            res_y = []

            for i in [0, 1, 2]:
                if top_left[0] >= grid_x[i] and top_left[0] < grid_x[i + 1]:
                    if (i + 1 in res_x) == False:
                        res_x.append(i + 1)
                    for n in [0, 1, 2]:
                        if top_left[1] >= grid_y[n] and top_left[1] < grid_y[n + 1]:
                            if (n + 1 in res_y) == False:
                                res_y.append(n + 1)

                                #print("temp" + str(temp_num) + ".png = " + str(res_x[0]) + "-" + str(res_y[0]))

                                if temp_num == 100:
                                    res_100 = str(res_x[0]) + "-" + str(res_y[0])
                                if temp_num == 200:
                                    res_200 = str(res_x[0]) + "-" + str(res_y[0])
                                if temp_num == 300:
                                    res_300 = str(res_x[0]) + "-" + str(res_y[0])

                                text = str(res_x[0]) + "-" + str(res_y[0]) + "(" + str("{:.3}".format(max_val)) + ")"

            cv2.rectangle(frame, top_left, bottom_right, (b, g, r), 2)
            cv2.putText(frame, text, (top_left[0] - 5, top_left[1] - 5), cv2.FONT_HERSHEY_PLAIN, 0.8, (b, g, r), 1, cv2.LINE_AA)

    # Display the resulting frame
    # write the frame
    out.write(frame)

    cv2.imshow("frame", frame)

    key = cv2.waitKey(1)&0xff
    if key == ord("s"):

        label = tkinter.Label(None, text = "1 = " + res_100 + "\n2 = " + res_200 + "\n3 = " + res_300, font=("Times", "28"))
        label.pack()
        label.mainloop()

        cv2.imwrite("capture.png", frame)
        #break

    if key == ord("q"):
        break

# When everything done, release the capture
cap.release()
out.release()
cv2.destroyAllWindows()

上のコードでは、"s"キーが押された時に"tkinter"を使って検出対象の位置情報を表示させているが、
これは一例なので、検出結果から「ここで何かする」って意味になる。
更に別スレッド、別プロセスにすれば動画（画像）の取得を止めること無く「何かする」
が実行出きるので、実際の運用はそう言った使い方になる筈。