识别的时候先二值化，之后识别轮廓，创建轮廓的结构树：

_, contours, hierarchy = cv2.findContours(th3, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
之后 hierarchy 中第四列表示其父轮廓，没有父轮廓的就是最外侧的轮廓，之后识别其子轮廓个数，子轮廓个数为 1，形状接近椭圆的基本就是标识点的轮廓了（图中红色标出的）。

利用面积法检查椭圆的代码：
def check_ellipse(contour, ell):
    if ell is None:
        ell = cv2.fitEllipse(contour)
    if (((np.pi * ell[1][0] * ell[1][1] / 4) / cv2.contourArea(contour)) < 1.2) & \
            (((np.pi * ell[1][0] * ell[1][1] / 4) / cv2.contourArea(contour)) > 0.8):
        return True
    else:
        return False
实际拍摄的标识点较小的话就需要把阈值改大一点。

实际拍摄时会出现视角倾斜的情况，会拍成椭圆：