Picamera - 进行运动检测的优化方式

Question

Picamera documentation 提供了有关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的示例。

虽然我确信还有很多，但我已经想到了三种做运动检测算法的方法：

1. This example 建议我们比较两张 PIL 图像。
2. 使用与上述相同的示例，我们可以简单地使用框架进行比较吗？
3. This other example 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 的示例是文档中提供常用配方的部分的一部分。 #3 的示例是实际 API 文档的一部分。

如果他们甚至不使用配方部分中内置的 motion_ouput 功能来进行运动检测算法，而是使用 PIL 图像，这一定意味着他们的 PiMotionAnalysis 类（与 motion_ouput 一起使用）是不是真的优化了？

进行运动检测算法的最佳方法是什么？作为奖励，您还可以根据需要包含运动检测算法:)。

干杯！

Answer 1

来自这个人本人（Dave Jones aka @waveform80）：

所以，这就是权衡，基本上是：速度（运动估计向量）与准确性和控制（捕捉比较）。但请记住，您可以通过拆分器一次运行多个操作，因此您甚至可能想尝试组合这些方法。

在我的问题中，#1（和#2）代表捕获比较，#3 代表运动估计向量。

如需更详尽的解释，请参阅我所做的 this Github ticket，其中 Dave 非常友好地给出了非常详细的解释。