import pandas

firstframe = None
status = [None,None]
df = pandas.DataFrame(columns=["start","end"])
cap = cv2.VideoCapture(1)
while True:
  check,colorframe = cap.read()
  status = 0
  gray = cv2.cvtColor(colorframe,cv2.COLOR_BGR2GRAY)
  gray = cv2.GaussianBlur(gray,(21,21),0) #高斯模糊去除噪聲
  if firstframe is None:
    firstframe = gray
    continue #捕獲第一個灰度幀 得到第一幀后不進行后續處理
  delta_frame = cv2.absdiff(firstframe,gray)
  # ，我們需要找出第一幀和當前幀之間的區別。因此，我們使用absdiff函數并將得到的結果稱為delta幀。對于我們的用例來說，僅僅找到一個差異是不夠的，所以我們需要定義一個像素閾值，它可以被視為真實的對象。我們可以選擇30像素作為標準閾值，并將標準閾值的顏色定義為白色（顏色代碼：255). 二元閾值函數THRESH_BINARY返回一個元組值，其中只有第二項（[0]是第一項，[1]是第二項）包含生成的閾值幀。二元閾值函數用于處理含有2個離散值的非連續函數：如0或1。如果攝影機前面沒有對象，我們將當前幀的狀態視為0；如果攝影機前面存在對象，則將當前幀的狀態視為1。 

  thresh_frame = cv2.threshold(delta_frame,30,255,cv2.THRESH_BINARY)[1]
  thresh_frame = cv2.dilate(thresh_frame,None,iterations=3)
  # 在膨脹函數Dilate中，我們可以通過設置迭代次數來設置平滑度。迭代次數越多，平滑度越高，處理時間也就越長。因此，建議保持標準化設置為3。膨脹函數中的“None”參數表示我們的應用中不需要元素結構。 

#聲明元組的語法 (cnts,_)
  (cnts,_) = cv2.findContours(thresh_frame.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
  for contours in cnts :
    if cv2.contourArea(contours)  10000:
      continue
    if cv2.contourArea(contours)  20000:
     status = 1
     (x,y,w,h) = cv2.boundingRect(contours)
     cv2.rectangle(colorframe,(x,y),(x+w,y+h),(0,0,255),3)
     cv2.imshow("cc",colorframe)
  key = cv2.waitKey(1)
  if key == ord('q'):
    break