Picamera-优化的运动检测方式

Question

Picamera文档提供了一些示例，说明了如何在没有实际运动检测算法本身的情况下实现运动检测。

尽管我确定还有很多，但是我已经考虑过三种执行运动检测算法的方法：

1. 本示例建议我们比较两个PIL图像。
2. 在与上述相同的示例中，我们可以简单地使用框架进行比较吗？
3. 这个其他示例建议我们使用Picamera的内置功能，称为motion_output和NumPy数组。

如您所见，＃1和＃2的示例是提供常用食谱的文档部分的一部分。 ＃3的示例是实际API文档的一部分。

如果他们甚至没有在配方部分中使用内置的motion_ouput功能来进行运动检测算法，而是使用PIL图像，那一定意味着他们的PiMotionAnalysis类（与motion_ouput一起motion_ouput ）并未真正优化吗？

做运动检测算法的最佳方法是什么？ 另外，如果需要，还可以包括运动检测算法：)。

干杯!

Answer 1

来自该人本人（Dave Jones aka @ waveform80 ）：

因此，基本上就是权衡取舍：速度（运动估计向量）与准确性和控制（捕获比较）。 但是请记住，您可以一次在拆分器上运行多个操作，因此您甚至可能想要尝试组合这些方法。

在我的问题中，＃1（和＃2）代表捕获比较，而＃3代表运动估计向量。

有关更详尽的说明，请参阅我制作的这张Github票证 ，在Dave足够友善的地方进行了详细的说明。