1.项目介绍
对一个视频进行车辆数量的检测，用到的知识有视频的读取，滤波器，形态学，添加直线、文本；项目流程为：1.读取一段视频。2.通过形态学处理识别车辆。3.对车辆进行计数。4.显示车辆统计信息。
2. 读取一段视频
在进行车辆检测之前，首先要把视频读进来。
代码如下：
import cv2 import numpy as np # 创建视频帧对象 cap = cv2.VideoCapture('./video/video.mp4') # 检测视频是否被打开 if not cap.isOpened(): print('video open failed') exit(0) # 循环读取图片 while True: ret, frame = cap.read() # 检测是否正确读取视频帧 if not ret: print('视频帧读取有误') break # 读取正确 cv2.imshow('frame', frame) # 视频播放速度过快，该成正常速度 # key = cv2.waitKey(1) & 0xff 播放过快 key = cv2.waitKey(int(1000/cap.get(cv2.CAP_PROP_FPS))) & 0xff if key == 27: break # 按ESC退出 # 释放资源 cap.release() cv2.destroyAllWindows()
3.通过形态学处理识别车辆
先将彩色图像转化为灰度图，然后高斯滤波，接着去背景获得前景，接着通过腐蚀腐蚀图中小斑点，然后再膨胀，用闭运算去除图案里面的小方块。得到一个可以识别的图像。
def bodyResize(img): # 将图像转化为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 使用高斯滤波去噪 blur = cv2.GaussianBlur(gray, (5, 5), 0) # 去背景 mask = bgsubmog.apply(blur) # 腐蚀去掉图中的小方块 erode = cv2.erode(mask, kernel, iterations=1) # 膨胀放大 dilate = cv2.dilate(erode, kernel, iterations=3) # 闭操作，去掉物体内部的小方块 close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel) close = cv2.morphologyEx(close, cv2.MORPH_CLOSE, kernel) return close
处理过后如图所示：白色的为车辆。
4.描画轮廓
首先要检测出轮廓，然后根据得到的轮廓画矩形，为了防止矩形太多，过滤掉太小的矩形。
def drawContours(img, points): # 根据轮廓画矩形 for (i, points) in enumerate(contours): #print(i, points) # 画最大外接矩形,太小就不画 x, y, w, h = cv2.boundingRect(points) if w < min_w and h < min_h: continue cv2.rectangle(frame, (x, y), (x+w, y+h),(255, 0, 0), 2)
5. 车辆计数并显示
首先把车辆看成一个个矩形，然后算出矩形的中心点，中心点过直线就统计成一辆车，最后将计数打印在图片上。完整版代码如下。
import cv2 import numpy as np # 矩形最小宽高 min_w = 90 min_h = 90 # 存储有效车辆的数组 cars = [] # 设置线高 line_high = 600 # 偏移量 offest = 9 # 车的数量 count = 0 def center(x, y, w, h): x1 = x+w/2 y1 = y+h/2 return x1, y1 def bodyResize(img): # 将图像转化为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 使用高斯滤波去噪 blur = cv2.GaussianBlur(gray, (5, 5), 0) # 去背景 mask = bgsubmog.apply(blur) # 腐蚀去掉图中的小方块 erode = cv2.erode(mask, kernel, iterations=1) # 膨胀放大 dilate = cv2.dilate(erode, kernel, iterations=3) # 闭操作，去掉物体内部的小方块 close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel) close = cv2.morphologyEx(close, cv2.MORPH_CLOSE, kernel) return close def drawContours(img, points): # 根据轮廓画矩形 for (i, points) in enumerate(contours): #print(i, points) # 画最大外接矩形,太小就不画 x, y, w, h = cv2.boundingRect(points) if w < min_w and h < min_h: continue cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2) # 创建视频帧对象 cap = cv2.VideoCapture('./video/video.mp4') # 创建去背景的对象 bgsubmog = cv2.bgsegm.createBackgroundSubtractorMOG() # 卷积核大小 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 检测视频是否被打开 if not cap.isOpened(): print('video open failed') exit(0) # 循环读取图片 while True: ret, frame = cap.read() # 检测是否正确读取视频帧 if not ret: print('视频帧读取有误') break # 下面都是读取正确的车辆 # 画直线，用来统计车 cv2.line(frame, (10, line_high), (1270, line_high), (0, 0, 255), 2) # 进行形态学处理 close = bodyResize(frame) # 检测轮廓 contours, hier = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 根据轮廓画矩形 for (i, points) in enumerate(contours): # print(i, points) # 画最大外接矩形,太小就不画 x, y, w, h = cv2.boundingRect(points) if w < min_w and h < min_h: continue cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2) # 统计车辆数量 # 求出车的中心点 cen_point = center(x, y, w, h) cars.append(cen_point) # 统计过直线的车的数量 for (x, y) in cars: if(y > line_high - offest) and (y < line_high + offest): count = count + 1 cars.remove((x, y)) # print(count) # 将count打印在屏幕上 cv2.putText(frame, "count = "+str(count), (500, 60), cv2.FONT_HERSHEY_SIMPLEX, 2, (255,0,0), 5) cv2.imshow('frame', frame) # cv2.imshow('resize', close) # 视频播放速度过快，该成正常速度 # key = cv2.waitKey(1) & 0xff 播放过快 key = cv2.waitKey(int(1000/cap.get(cv2.CAP_PROP_FPS))) & 0xff if key == 27: break # 按ESC退出 # 释放资源 cap.release() cv2.destroyAllWindows(
此项目仅供个人练习使用，目的是加强对OpenCV的各种API的理解，本项目是基于传统图像处理，还存在较大缺陷，比如极端情况计数不准等问题，后续优化还可以依据深度学习等模型来训练，如有问题，欢迎在评论区讨论。
