基于OpenCV的车辆检测与追踪的实现

最新推荐文章于 2022-02-08 22:10:56 发布

杰克121

最新推荐文章于 2022-02-08 22:10:56 发布

阅读量1.2w

点赞数 14

基于OpenCV的车辆检测与追踪的实现

http://www.cnblogs.com/yanneu/p/6251892.html

最近老师布置了一个作业，是做一个基于视频的车辆检测与追踪，用了大概两周的时间做了一个简单的，效果不是很理想，但抑制不住想把自己的一些认识写下来，这里就把一些网络上的博客整理一下分享给大家，希望帮助到大家，因为本人也是个小白，所以如果有什么讲的不对的地方希望各位看官多指正！

一、安装OpenCV和搭建环境

首先呢，大家得安装OpenCV，这里网络上有很多相关的教程，这里就不赘述了！我本人用的是OpenCV3.10+VS2015.

这里就贴出几个教程：

下载地址：http://opencv.org/downloads.html

安装教程：http://www.cnblogs.com/sopic/p/5265836.html（OpenCV3.0+VS2015）

http://blog.csdn.net/hustlx/article/details/50974336（OpenCV3.10+VS2015）

关于其他OpenCV版本的安装教程网络上也有很多，这里就只贴出这两个。

二、关于OpenCV的介绍

我看还是把网络上关于这方面好的教程给大家贴出来吧，我怕讲不好的话招笑话吐舌头。

首先是浅墨大神的系列博客，我基本上就是从大神的博客中学习到的，还有他的《OpenCV3.0编程入门》（强烈推荐！非常通熟易懂！网上一搜即可）

浅墨OpenCV入门教程

当然OpenCV中文论坛上的也很好，但是感觉跟浅墨大神的内容差不多

OpenCV中文论坛教程

三、系统结构设计

流程图：

这里可能设计到一些难理解的问题，同样也贴几个地址供大家学习：

混合高斯建模

BackgroundSubtractorMOG和BackgroundSubtractorMOG2

源码如下：

#include <SDKDDKVer.h>
#include <stdio.h>
#include <tchar.h>
#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\video\background_segm.hpp>

using namespace cv;
using namespace std;

//对轮廓按面积降序排序，目的是去除那些小轮廓目标
bool descSort(vector<Point> p1, vector<Point> p2) {
    return contourArea(p1) > contourArea(p2);
}


int main() {
    //读入视频
    VideoCapture capture("E:\\临时\\workspace\\1.avi");
    //定义一个Mat变量，用于存储每一帧的图像
    Mat frame;
    //前景
    Mat mask;
    //连通分量
    Mat srcImage;
    //结果
    Mat result;

    //用混合高斯模型训练背景图像
    Ptr<BackgroundSubtractorMOG2> bgsubtractor = createBackgroundSubtractorMOG2();
    bgsubtractor->setVarThreshold(20);

    //for (int  k = 0; k < 100; k++)
    //{
    //    //读取当前帧
    //    capture >> frame;
    //    //若视频播放完成，退出循环
    //    if (frame.empty())
    //    {
    //        break;
    //    }
    //    bgsubtractor->apply(frame, mask, 0.2);
    //}
    //imshow("前景训练结果", mask);

    //循环显示每一帧
    while (true)
    {
        
        //读取当前帧
        capture >> frame;
        //若视频播放完成，退出循环
        if (frame.empty())
        {
            break;
        }
        frame.copyTo(result);
        //cvtColor(frame, frame, COLOR_GRAY2BGR);
        bgsubtractor->apply(frame, mask, 0.2);

        imshow("原视频", frame);  //显示当前帧
        //waitKey(30);  //延时30ms

        imshow("混合高斯建模", mask);
        //waitKey(30);

        //cvtColor(mask, mask, COLOR_GRAY2BGR);
        //对前景先进行中值滤波，再进行形态学膨胀操作，以去除伪目标和连接断开的小目标
        medianBlur(mask, mask, 5);
        //morphologyEx(mask, mask, MORPH_DILATE, getStructuringElement(MORPH_RECT, Size(5, 5)));

        //测试：先开运算再闭运算
        morphologyEx(mask, mask, MORPH_CLOSE, getStructuringElement(MORPH_RECT, Size(5, 5)));
        morphologyEx(mask, mask, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(5, 5)));
        
        imshow("混合高斯建模", mask);
        waitKey(30);

        //拷贝
        mask.copyTo(srcImage);

        //各联通分量的轮廓
        //外层vector的size代表了图像中轮廓的个数，里面vector的 size代表了轮廓上点的个数
        vector<vector<Point>> contours;
        //只获取最外轮廓，获取每个轮廓的每个像素，并相邻两个像素位置差不超过1
        findContours(srcImage, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

        //测试轮廓获取
        imshow("轮廓获取", srcImage);

        if (contours.size() < 1) continue;
        //外接矩阵
        Rect rct;

        //对轮廓进行外接矩阵之前先对轮廓按面积降序排序，目的为了去除小目标（伪目标）
        sort(contours.begin(), contours.end(), descSort);

        for (int i = 0; i < contours.size(); i++)
        {
            //当第i个连通分量的外接矩阵面积小于最大面积的1/6，则认为是伪目标
            if (contourArea(contours[i]) < contourArea(contours[0]) / 5)
                break;
            //包含轮廓的最小矩阵
            rct = boundingRect(contours[i]);
            rectangle(result, rct, Scalar(0, 255, 0), 2);

        }
        imshow("结果", result);
    }
    getchar();
    return 0;
}