车辆统计项目(附原码)

1 基本原理

 统计某个时间段通过该路口车辆的个数

1. 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
2. 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）
3. 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
4. 把车子抽象成一个中心点，对点位的运动轨迹进行分析
5. 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