OpenCV_10 车辆检测项目

山水秀青城

已于 2022-08-26 16:30:46 修改

阅读量1.3k

点赞数

CC 4.0 BY-SA版权

分类专栏： OpenCV 文章标签： opencv 计算机视觉 python

于 2022-08-26 16:26:26 首次发布

本文链接：https://blog.csdn.net/shuggg/article/details/126508393

OpenCV 专栏收录该内容

14 篇文章

订阅专栏

本文介绍了一种基于视频的车辆检测方法，通过形态学处理识别并计数视频中的车辆。该方法利用OpenCV库实现，包括视频加载、背景减除、形态学运算等步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

本节完成了车辆识别的小项目。涉及到的知识点主要有；

视频的加载
通过形态学识别车辆
对车辆进行统计
显示车辆统计信息

下面的车辆检测程序主要实现的功能：将视频中的车辆用方框选中，并对其进行计数，然后将数量实时显示在视频上方。

代码示例：

import cv2
import numpy as np 

# 车辆检测最小值
min_w = 60
min_h = 60
# 检测线位置
line_high = 550
# 存放有效车辆的数组
cars = []
# 偏移量
offset = 7
# 车辆计数
carno = 0

# 求矩形中心点函数
def center(x,y,w,h):
    x1 = int(w/2)
    y1 = int(h/2)
    cx = x+x1
    cy = y+y1
    return cx, cy 

cap = cv2.VideoCapture('./video/car.mp4')

bgsubmog = cv2.createBackgroundSubtractorMOG2()

# 形态学kernel
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

while True:
    ret, frame = cap.read()

    if (ret == True):
        # 图像转化为单通道
        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 高斯滤波
        blur = cv2.GaussianBlur(frame_gray, (3, 3), 5)
        #去背景
        mask = bgsubmog.apply(blur)
        # 腐蚀（去掉前景中的白色小噪点）
        erode = cv2.erode(mask, kernel)
        # 膨胀还原
        dilate = cv2.dilate(erode, kernel, iterations = 2)
        #闭操作，填补汽车内部的黑色斑块
        close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel)
        # 查找轮廓
        cnts, h = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        # 画一条检测线
        cv2.line(frame, (10, line_high), (1200, line_high), (0, 255, 0), 3)
        # 框选车辆
        for (i, c) in enumerate(cnts):
            (x,y,w,h) = cv2.boundingRect(c)
           
            # 对选中方框宽高进行判断，是否为车辆
            isValid = (w >= min_w) and (h >= min_h)
            if (not isValid):
                continue
            cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)
            cpoint = center(x, y, w, h)
            cars.append(cpoint)

            for (x,y) in cars:
                if((y > line_high - offset) and (y < line_high + offset)):
                    carno += 1
                    cars.remove((x, y))
                    print(carno)
        cv2.putText(frame, "Cars Count:" + str(carno), (500,60), cv2.FONT_HERSHEY_TRIPLEX, 1, (255, 0, 0))
        cv2.imshow('frame', frame)
        cv2.imshow('close', close)
    key = cv2.waitKey(20)
    if(key == 27):
        break

cap.release()
cv2.destroyAllWindows()

结果展示：
请添加图片描述

小结：

虽然大致实现了车辆检测的功能，但是车辆计数的功能还有较大缺点，通过调节参数不能很好地改善。要么漏计数，要么多计数。例如：一辆车刚好停在绿线上，那么程序会一直计数，主要原因是：电脑无法将视频两帧之间同一辆车关联起来，因此计数之后还会再次计数。要解决这一问题，就必须能分辨出两帧画面里是同一辆车，需要引入深度学习。