python利用opencv进识别行红绿灯

已于 2022-09-20 13:03:48 修改
阅读量2.5k 收藏 35
点赞数 4
文章标签： python opencv 开发语言
于 2022-09-18 23:41:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gaiyands/article/details/126900298
版权

目录

一、使用步骤

1.引入库

2.读入数据

3.获取帧率

4.创建函数将鼠标在图片中点击的坐标储存

5.逐帧采集视频并显示一帧图片来选择roi区域

6.最后逐帧采集视频并且放入循环一帧一帧的判断感兴趣区域中亮起的灯是哪个

二.全部代码

总结

前言: 可以直接复制代码使用，只需要去全部代码那块复制全部代码，并且在使用步骤中第五点学会如何选取区域即可。

一、使用步骤

1.引入库

首先安装opencv：

然后引入库,代码如下：

import cv2
import numpy as np

2.读入数据

代码如下：

cor_x, cor_y = -1, -1
camera = cv2.VideoCapture('video.mp4')  # 从文件读取视频,只需要修改成自己的视频路径即可进行测试
cor = np.array([[1, 1]])  # 初始值并无意义，只是为了能够使用np.row_stack函数

3.获取帧率


fps = camera.get(cv2.CAP_PROP_FPS)  # 获取视频帧率
print('视频帧率：%d fps' % fps)

由于视频的帧率不一样，pycharm将视频运行完的时间也不一样。比如120fps的视频，pycharm可以用近乎于原视频播放完的时间来运行。

而24fps的视频，如果是一个20多秒的视频，pycharm只需要3秒多就能将整个视频播放完所以想要pycharm用原视频速度播放，就要利用time.sleep来限制pycharm的循环时间，达到看清运行过程中是否出现错误的情况。方法是用公式  1/fps  获取原视频一帧多少秒，然后将

cv.waitKey(1 / fps * 1000)

加入循环结束的代码让循环一次的间变成  （1/fps）秒

4.创建函数将鼠标在图片中点击的坐标储存


def MouseAction(event, x, y, flags, param):
    # 创建回调函数 (event：指触发的阶跃信号，比如鼠标左键按下, x, y：指鼠标的实时坐标, flags:鼠标的保持信号，如鼠标保持按下
    # param自己需要使用的参数状态
    global cor_x, cor_y, cor  # 将变量变为全局变量，使之在函数外也能用
    if event == cv2.EVENT_LBUTTONDOWN:
        cor_x, cor_y = x, y  # 将鼠标点击的x，y坐标赋予全局变量cor_x, cor_y
        cor_m = [cor_x, cor_y]
        cor = np.row_stack((cor, cor_m))  # 将鼠标点击的x，y坐标进行矩阵合并，并赋予全局变量
    elif event == cv2.EVENT_LBUTTONUP:
        cv2.line(img, (cor_x, cor_y), (cor_x, cor_y), (255, 255, 0), 7)
        # 当鼠标左键由按下变松开时在原地划线 从左到右分别是 (读入的图片, 开始坐标, 结束坐标, 颜色（b, g, r）, 线条粗细)

5.逐帧采集视频并显示一帧图片来选择roi区域

grabbed, img = camera.read()  # 逐帧采集视频流
img = cv2.resize(img, (1280, 720))



def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
    if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    # 创建一个可以在给定图像上绘图的对象
    draw = ImageDraw.Draw(img)
    # 字体的格式
    fontStyle = ImageFont.truetype(
        "simsun.ttc", textSize, encoding="utf-8")
    # 绘制文本
    draw.text(position, text, textColor, font=fontStyle)
    # 转换回OpenCV格式
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)


img = cv2AddChineseText(img, "利用鼠标点击 左上，右下的顺序来框出整个红绿灯区域和黄灯灯芯区域", [20, 20], (255, 255, 0), 30)
cv2.namedWindow('Traffic light')
cv2.setMouseCallback('Traffic light', MouseAction)  # 将回调函数与opencv绑定

# 显示视频画面，并手动在视频中选取整个红绿灯区域和黄灯区域
while True:
    cv2.imshow("Traffic light", img)
    k = cv2.waitKey(1) & 0xFF
    if k == ord(' '):  # 空格退出操作
        break
cv2.destroyAllWindows()  # 关闭页面

需要注意的是选取roi区域时，需要选取整个红绿灯区域，和红绿灯区域中的黄灯区域，

并且选择区域的方式是通过两个点来选取一个区域，按左上，右下来框出感兴趣区域

顺序和区域如下：

 选择完后 按空格退出。

6.最后逐帧采集视频并且放入循环一帧一帧的判断感兴趣区域中亮起的灯是哪个


while True:
    grabbed, frame = camera.read()  # 逐帧采集视频流
    if not grabbed:
        break
    frame = cv2.resize(frame, (1280, 720))
    frame_data = np.array(frame)  # 每一帧循环存入数组
    box_data = frame_data[cor[1, 1]:cor[2, 1], cor[1, 0]:cor[2, 0]]  # 取矩形目标区域
    yellow_box = frame_data[cor[3, 1]:cor[4, 1], cor[3, 0]:cor[4, 0]]
    yellow_max = np.max(yellow_box)
    b, g, r = cv2.split(box_data)  # 将截取的区域分割为b，g，r单通道颜色图片
    max_r = np.max(r)
    max_g = np.max(g)

    if yellow_max >= 245:  # 判断黄灯区域中发光值最大的像素点是不是大于245
        choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 255, 255), 2)
        cv2.putText(frame, "yellow", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 255), 2)  # 显示yellow文本信息
    elif max_g >= 245:
        choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 255, 0), 2)
        cv2.putText(frame, "green", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 0), 2)  # 显示green文本信息
    elif max_r >= 245:
        choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 0, 255), 2)
        cv2.putText(frame, "red", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255), 2)  # 显示red文本信息
    # time.sleep(0.141)
    cv2.imshow('video', frame)  # 显示采集到的视频流
    key = cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break
camera.release()
cv2.destroyAllWindows()

二.全部代码

# 中华人民共和国
# 人民出版社
# 作者：gaiya

import cv2
import numpy as np
import time
from PIL import Image, ImageDraw, ImageFont


cor_x, cor_y = -1, -1
camera = cv2.VideoCapture('video.mp4')  # 从文件读取视频,只需要修改成自己的视频路径即可进行测试
cor = np.array([[1, 1]])  # 初始值并无意义，只是为了能够使用np.row_stack函数


def MouseAction(event, x, y, flags, param):
    # 创建回调函数 (event：指触发的阶跃信号，比如鼠标左键按下, x, y：指鼠标的实时坐标, flags:鼠标的保持信号，如鼠标保持按下
    # param自己需要使用的参数状态
    global cor_x, cor_y, cor  # 将变量变为全局变量，使之在函数外也能用
    if event == cv2.EVENT_LBUTTONDOWN:
        cor_x, cor_y = x, y  # 将鼠标点击的x，y坐标赋予全局变量cor_x, cor_y
        cor_m = [cor_x, cor_y]
        cor = np.row_stack((cor, cor_m))  # 将鼠标点击的x，y坐标进行矩阵合并，并赋予全局变量
    elif event == cv2.EVENT_LBUTTONUP:
        cv2.line(img, (cor_x, cor_y), (cor_x, cor_y), (255, 255, 0), 7)
        # 当鼠标左键由按下变松开时在原地划线 从左到右分别是 (读入的图片, 开始坐标, 结束坐标, 颜色（b, g, r）, 线条粗细)


grabbed, img = camera.read()  # 逐帧采集视频流
img = cv2.resize(img, (1280, 720))



def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
    if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    # 创建一个可以在给定图像上绘图的对象
    draw = ImageDraw.Draw(img)
    # 字体的格式
    fontStyle = ImageFont.truetype(
        "simsun.ttc", textSize, encoding="utf-8")
    # 绘制文本
    draw.text(position, text, textColor, font=fontStyle)
    # 转换回OpenCV格式
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)


img = cv2AddChineseText(img, "利用鼠标点击 左上，右下的顺序来框出整个红绿灯区域和黄灯灯芯区域", [20, 20], (255, 255, 0), 30)
cv2.namedWindow('Traffic light')
cv2.setMouseCallback('Traffic light', MouseAction)  # 将回调函数与opencv绑定

# 显示视频画面，并在视频中选取整个红绿灯区域和黄灯区域
while True:
    cv2.imshow("Traffic light", img)
    k = cv2.waitKey(1) & 0xFF
    if k == ord(' '):  # 空格退出操作
        break
cv2.destroyAllWindows()  # 关闭页面

while True:
    grabbed, frame = camera.read()  # 逐帧采集视频流
    if not grabbed:
        break
    frame = cv2.resize(frame, (1280, 720))
    frame_data = np.array(frame)  # 每一帧循环存入数组
    box_data = frame_data[cor[1, 1]:cor[2, 1], cor[1, 0]:cor[2, 0]]  # 取矩形目标区域
    yellow_box = frame_data[cor[3, 1]:cor[4, 1], cor[3, 0]:cor[4, 0]]
    yellow_max = np.max(yellow_box)
    b, g, r = cv2.split(box_data)  # 将截取的区域分割为b，g，r单通道颜色图片
    max_r = np.max(r)
    max_g = np.max(g)

    if yellow_max >= 245:  # 判断黄灯区域中发光值最大的像素点是不是大于245
        choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 255, 255), 2)
        cv2.putText(frame, "yellow", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 255), 2)  # 显示yellow文本信息
    elif max_g >= 245:
        choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 255, 0), 2)
        cv2.putText(frame, "green", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 0), 2)  # 显示green文本信息
    elif max_r >= 245:
        choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 0, 255), 2)
        cv2.putText(frame, "red", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255), 2)  # 显示red文本信息
    time.sleep(0.141)
    cv2.imshow('video', frame)  # 显示采集到的视频流
    key = cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break
camera.release()
cv2.destroyAllWindows()

运行中可以按q退出运行

总结

利用cv.split()来获取b，g，r单通道的图时，红灯亮和黄灯亮的两种情况下，三个通道的图片的最大的像素值都差不多，所以无法区分红灯与黄灯。所以要框一块额外的区域来识别黄灯是否亮起，这种方式还是取巧了，因为不管是什么颜色亮只要黄灯区域亮起，就会输出黄色，即使区域亮起的是任意颜色的灯。

gaiyands
关注
  • 4
    点赞
  • 踩
  • 35
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
python红绿灯检测opencv识别红绿灯信号灯检测
05-08
python红绿灯检测opencv识别红绿灯信号灯检测 效果简介：https://blog.csdn.net/xifenglie123321/article/details/124653316
python opencv 读取视频识别红绿灯
weixin_72190581的博客
09-22 1001
python
基于python的opencv图像处理对交通路口的红绿灯进行颜色检测（最简单的方法）
番茄Salad
10-07 1万+
1.视频读取 首先把视频读取进来，因为我测试的视频是4k的所以我用resize调整了一下视频的分辨大小 cap = cv2.VideoCapture('video/小路口.mp4') while True: ret,frame = cap.read() if ret == False: break frame = cv2.resize(frame,(1920,1080)) cv2.imshow('frame',frame) c = cv2.wait
基于Opencv的红绿灯 交通信号检测（图像分类算法）
Tertullianus的博客
06-27 4075
红绿灯检测
【C++】OpenCV：红绿灯检测介绍及实现示例
Frank学习路上的博客
11-03 3041
红绿灯检测介绍及实现示例
基于opencv的红绿灯检测（python）
热门推荐
ISP行业的忠实粉丝
10-22 2万+
基于opencv的红绿灯检测（python） 背景 交通信号灯的检测与识别是无人驾驶与辅助驾驶必不可少的一部分，其识别精度直接关乎智能驾驶的安全。一般而言，在实际的道路场景中采集的交通信号灯图像具有复杂的背景，且感兴趣的信号灯区域只占很少的一部分。针对这些难点，国内外的众多研究者提出了相应的解决方案。总的来说，大多基于传统的图像处理方法；但目前也有用强学习能力的卷积神经网络去进行识别，但这类方法往往需要大量的训练样本避免过拟合的风险。截至目前的大多数方法都是在各种颜色空间中利用信号灯颜色的先验进行分割得
基于OpenCV的红绿灯识别
程序员小火龙的知识分享
07-23 3325
航天机器人的红绿灯识别主要基于传统计算机视觉技术，利用OpenCV算法对视频流进行处理，以获取红绿灯的状态信息。具体而言，该系统通过连接工控机摄像头读取视频流，将视频帧转换成HSV色彩空间的图像，以便更好地识别出图像中的红色像素。HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法，其中色相、饱和度和亮度分别用于描述颜色的不同属性。
计算机视觉实战--OpenCV进行红绿灯识别
Hello大家好，我是Dream，如果帮得到你，那我深感荣幸！
05-30 1万+
Hello大家好，我是Dream。 OpenCV是一个开源的计算机视觉库，可以用于实现各种图像和视频处理任务，包括红绿灯识别。可以帮助自动驾驶汽车、智能交通系统等设备准确地识别红绿灯的状态，以便做出正确的决策。今天，就有Dream带领大家复盘一下计算机视觉中最经典的实验：OpenCV进行红绿灯识别，一起来看看吧~
Python-opencv实现红绿两色识别操作
09-16
主要介绍了Python-opencv实现红绿两色识别操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
基于python-opencv实现的红绿灯识别系统源代码，带GUI界面，交通灯智能识别系统
06-25
基于python-opencv实现的红绿灯识别系统源代码，带GUI界面和滤镜选择的选项，交通灯智能识别系统
识别红绿灯的源码集合
02-04
matlab，python，opencv，c++等多种语言，多个项目源码
python复习（三）
qq_43710593的博客
04-29 365
类是一种面向。
SpringBoot中实现发送邮件
最新发布
hac1322的博客
04-30 570
当你添加了spring-boot-starter-mail依赖后，Spring Boot会自动配置JavaMailSender实例，并根据application.yml文件中的属性来配置这个实例。你可以直接在需要发送邮件的地方通过@Autowired注解将JavaMailSender实例注入到你的类中，然后使用它来发送邮件。：首先，需要在你的pom.xml文件中添加Spring Boot的邮件发送器依赖。，简化了在Spring Boot应用程序中发送电子邮件的设置过程。Spring Boot的。
python学习笔记----循环语句（四）
取个名字太难了a的博客
04-28 1037
随机数种子在生成随机数的过程中起到一个非常重要的作用。它是用于初始化随机数生成算法（伪随机数生成器）的初始值。随机数种子的作用可重复性：当你使用特定的种子值初始化随机数生成器时，即使在不同的运行环境或不同时间，生成的随机数序列都将是相同的。这对于调试和测试非常重要，因为它允许程序的行为在使用随机数时保持一致。控制随机性：种子提供了一种方法来控制随机数生成过程。通过改变种子，你可以获得不同的随机数序列，这对于模拟和其他需要随机输入的应用非常有用。
【python】python基础1
七月尘上
04-29 405
注释：单行注释：#多行注释：“”“”“”批量注释：ctl+?,取消注释继续执行一次就行标识符命名规范：1、变量名、类名、函数名只能由数字、字母、下划线组成2、不能以数字开头3、严格区分大小写4、不能以关键字命名定义变量的方式：1、var1 = 值12、var1,var2=值1，值23、var1,var2=值1交换两个变量的值：输出命令解析：sep:输出内容以什么进行分割end:输出以什么结尾file:输出内容以文件形式输出到指定文件。
链表刷题集
yajunjiao的专栏
04-30 626
本文主要列举了一些刷的题，不多，有那么几道，也建议各位去建立自己的刷题集。积少成多。
python基础知识
2301_77724654的博客
04-28 457
基本输入input()，若要输出整数或小数，可用int()，float()函数进行数据类型转换。缩进：Python使用缩进表示代码块，连续的具有相同缩进的多条语句为一个代码块，语句末尾为代码块的开头，同一个代码块要有相同的缩进。1 在Python3中，print()函数取代了Python2中的print语句。2 Python中程序文件运行方式为程序文件运行，交互式运行两种。赋值语句，简单赋值与序列赋值等，序列赋值可一次为多个变量赋值。注释：单行注释用#，多行注释用'''或'''''''
ROS学习教程--第一篇（初试ROS）
隔壁老姚的博客
04-29 551
上述命令，会在工作空间下生成一个功能包，该功能包依赖于 roscpp、rospy 与 std_msgs，其中roscpp是使用C++实现的库，而rospy则是使用python实现的库，std_msgs是标准消息库，创建ROS功能包时，一般都会依赖这三个库实现。该文件定义有关软件包的属性，例如软件包名称，版本号，作者，维护者以及对其他catkin软件包的依赖性。在自定义包basic_correspondence的src目录下创建person_talker.py，编辑以下内容。
基于opencv的图片识别Python
03-29
基于OpenCV的图片识别是一种常见的计算机视觉任务，可以使用Python编程语言来实现。OpenCV是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。 在Python中使用OpenCV进行图片识别，可以按照以下步骤进行： 1. 安装OpenCV库：可以使用pip命令在Python环境中安装OpenCV库，例如：`pip install opencv-python` 2. 导入OpenCV库：在Python代码中导入OpenCV库，例如：`import cv2` 3. 加载图像：使用OpenCV的`imread()`函数加载待识别的图像文件，例如：`image = cv2.imread('image.jpg')` 4. 图像预处理：根据具体的识别任务，对图像进行预处理，例如调整大小、灰度化、滤波等操作。 5. 特征提取：根据识别任务，提取图像中的特征信息，例如边缘、角点、颜色直方图等。 6. 训练模型：根据特定的识别任务，使用机器学习或深度学习算法训练模型，例如支持向量机（SVM）、卷积神经网络（CNN）等。 7. 图像识别：使用训练好的模型对待识别图像进行分类或目标检测，例如使用`predict()`函数进行分类预测。 8. 显示结果：根据识别结果，可以在图像上标注出识别的目标或进行其他可视化操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值