文章目录
1 基本原理
统计某个时间段通过该路口车辆的个数
- 首先对于该路口的画面分析,我们想办法通过识别移动的物体,来追踪所有发生位移的东西
- 对移动的所有物体进行分析,过滤掉外在的影响因素(风吹动的树,移动的影子等)
- 得到车子的运动情况,进行轮廓分析,确保追踪识别到每一辆车子
- 把车子抽象成一个中心点,对点位的运动轨迹进行分析
- 设置一个坐标参考系,当这个点到这条参考系的距离足够近的时候,我们近似统计这个车辆通过
2 如何处理移动的物体
我们定义在视频里面,移动的物体称为前景,静止不动的为背景使用opencv里面的createBackgroundSubtractorMOG2()可以对所有的移动物体追踪。称之为背景减除
背景减除
背景减除(Background Subtraction)是许多基于计算机视觉的任务中的主要预处理步骤。如果我们有完整的静止的背景帧,那么我们可以通过帧差法来计算像素差从而获取到前景对象。但是在大多数情况下,我们可能没有这样的图像,所以我们需要从我们拥有的任何图像中提取背景。当运动物体有阴影时,由于阴影也在移动,情况会变的变得更加复杂。为此引入了背景减除算法,通过这一方法我们能够从视频中分离出运动的物体前景,从而达到目标检测的目的。 OpenCV已经实现了几种非常容易使用的算法。
import cv2
#打开默认摄像头
video = cv2.VideoCapture(0)
#背景和前景的使用,生成背景对象
mog = cv2.createBackgroundSubtractorMOG2()
while True:
#读取一帧照片
ret,frame = video.read()
if ret==True:
#讲这一帧照片应用背景减除
img = mog.apply(frame)
#展示照片
cv2.imshow('img',img)
#每一毫秒一张照片
k = cv2.waitKey(1)
#按q建退出
if k == ord('q'):
break
video.release()
cv2.destroyAllWindows()
效果图
3 对图片中的干扰物进行处理——形态学处理
可见前导知识:图像的形态学。在得到如下效果图片后:
- 腐蚀操作
- 膨胀操作
- 开运算
- 闭运算
我们对图片中的各种阴影,如移动的树叶,行走的行人进行降噪,腐蚀操作、膨胀操作来减小干扰
图像的降噪处理
- 方盒滤波
- 均值滤波
- 高斯滤波
- 中值滤波
import cv2
#打开默认摄像头
video = cv2.VideoCapture('video.mp4')
#背景和前景的使用,生成背景对象
mog = cv2.createBackgroundSubtractorMOG2()
#生成形态学内核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
while True:
#读取一帧照片
ret,frame = video.read()
if ret==True:
#对照片进行灰度化处理:
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY