作者:Xiou
1.概述
对于图像和视频检测中的目标类型并没有具体限制,但是,为了使结果的准确度在可接受范围内,需要一个足够大的数据集,包括训练图像的大小要一样。如果由自己构建这样的数据集(这是完全可能的)将会非常耗时。
可利用现成的数据集,在网上可以免费下载许多这样的数据集:
·The University or Illinois:
http://l2r.cs.uiuc.edu/cogcomp/Data/Car/CarData.tar.gz
·Stanford University:
http://ai.stanford.edu/~jkrause/cars/car_dataset.html
2.代码实例
需要实现功能:
1、识别出图片中的汽车对象
2、对车辆进行统计,并将统计结果展示出来
涉及到的知识点:
图像和视频的加载、展示;
基本图像绘制;
基本图像运算与处理;
形态学处理(比如降噪、腐蚀膨胀);
轮廓查找。
import cv2
import numpy as np
# 加载视频
cap = cv2.VideoCapture('../img/video.mp4')
# 背景去除
bgsubmog = cv2.createBackgroundSubtractorMOG2()
# 创建腐蚀膨胀的卷积核
k = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# 设置最小宽高阈值
min_w, min_h = 90, 90
# 创建一个列表存放车辆轮廓中心点
cars = []
car_n = 0 # 车辆的个数
# 检测线的高 视频的尺寸为1280*720
line_height = 550
# 线的偏移
line_offset = 6
# 定义函数,计算中心点
def center(x, y, w, h):
x1 = int(w / 2)
y1 = int(h / 2)
cx = x + x1
cy = y + y1
return cx, cy
while True:
ret, frame = cap.read()
if ret:
# 灰度化
cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 由于一些树叶也会动,形成噪点,所以进行去噪
blur = cv2.GaussianBlur(frame, (9, 9), 5) # 9*9可以自己设置 3*3 5*5 7*7.。。
mask = bgsubmog.apply(blur) # 去除背景
# 腐蚀
erode = cv2.erode(mask, k)
# 腐蚀之后变小了,要膨胀
dilate = cv2.dilate(erode, k, iterations=2)
# 闭操作,去掉物体内部的小块
close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, k)
close = cv2.morphologyEx(close, cv2.MORPH_CLOSE, k)
# 查找轮廓
contours, h = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 每一帧都要画线
cv2.line(frame, (0, line_height), (1280, line_height), (0, 255, 0), 2)
for (i, c) in enumerate(contours): # 拿到索引和边界
(x, y, w, h) = cv2.boundingRect(c) # 绘制矩形
if w >= min_w and h >= min_h: # 如果是车辆,绘制轮廓
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255))
# 存取车的轮廓的中心点,如果中心点过线,代表有车经过
cpoint = center(x, y, w, h) # 计算中心点
cars.append(cpoint)
for (x, y) in cars:
# 如果车在线的上下偏移量之间,表示有车辆经过
if (y > line_height - line_offset) and (y < line_height + line_offset):
car_n += 1 # 车的数量+1
cars.remove((x, y))
print(car_n)
else: # 如果不是车辆,跳过
continue
# 显示车辆的统计信息
cv2.putText(frame, 'Cars Count:' + str(car_n), (500, 60), cv2.FONT_HERSHEY_SIMPLEX, 2, (255, 0, 0), 5)
cv2.imshow('video', frame)
key = cv2.waitKey(33)
if key == 113: # 按‘q'退出
break
cap.release()
cv2.destroyAllWindows()
输出结果:
3.代码功能
这段代码涉及相当多的知识,下面来解释这段代码的具体功能:
1)首先,在导入模块后声明了训练图像的基础路径。定义这样的路径很有用,因为不同计算机上训练数据所在的文件夹不一样,这样做就可避免在每个地方都要修改这个路径。
2)去除背景
3)形态处理
去除背景后通过腐蚀去掉小的噪点。
4)查找轮廓
根据上面处理完的视频,可以找到一些(车和噪点的)轮廓 ,并且在原视频绘制出来,可以看到还是有一些其他的轮廓会显示出来。文章来源:https://www.toymoban.com/news/detail-418846.html
5)车辆统计
查找到有效车辆后,需要将统计的个数显示在屏幕上。文章来源地址https://www.toymoban.com/news/detail-418846.html
到了这里,关于OpenCV实例(七)汽车检测的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!