【OpenCV】车辆识别运动目标检测

chenruhan_QAQ_

已于 2022-11-19 17:07:08 修改

阅读量1.6w

点赞数 127

分类专栏： OpenCV 文章标签： opencv 深度学习

于 2022-07-29 20:14:27 首次发布

本文链接：https://blog.csdn.net/m0_56051805/article/details/126062172

版权

OpenCV 专栏收录该内容

18 篇文章 57 订阅

订阅专栏

本文详细介绍了基于OpenCV的车辆识别过程，包括灰度化、帧差处理、二值化、图像降噪（腐蚀与膨胀）以及关键点提取等步骤。通过这些步骤，可以检测视频中的运动目标并框选出车辆。虽然帧差法在夜晚监控中广泛应用，但存在误识别问题，适合初步的运动目标检测应用。

摘要由CSDN通过智能技术生成

一：车辆识别运动目标检测

二：车辆识别实现超详细步骤解析

步骤一：灰度化处理

灰度处理目的 RGB三通道转灰度单通道压缩到原图片三分之一大小

效果展示：【避免内存浪费帧差法对前后帧图像灰度化处理】 cvtColor

//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
    cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理
    cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//后一帧灰度化处理
    //imshow("frontGray",frontGray);//测试
    //imshow("afterGray",afterGray);//测试

步骤二：帧差处理

帧差处理目的找到帧与帧之间的差异（找出正在运动的物体）

效果展示：【运动目标的检测：运动事物显示灰度，静止事物显示黑度】 absdiff

 //2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)
    Mat diff;
    Mat frontGray,afterGray;
    absdiff(frontGray,afterGray,diff);//前后帧对比存于diff中
    imshow("diff",diff);//测试

步骤三：二值化处理

二值化处理目的将灰度图继续识别转换为黑白分明的图像 threshold

效果展示：【步骤二中运动事物显示灰度，静止事物显示黑度，在这里进行二值化处理，能够黑白分明，便于计算机识别运动目标，如下右图二值化处理后黑白分明】【缺点：存在白色噪点，如下右图除了车辆外后面的背景也显示白度，这就是白色噪点，需要去除】

    //3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
    threshold(diff,diff,25,255,CV_THRESH_BINARY);
    imshow("threshold",diff);//测试

步骤四：图像降噪

4-1 腐蚀处理目的去除白色噪点

效果展示：【步骤三中存在的白色噪点能够去除，但是在去除白色噪点的同时，也影响了车辆的白度显示，如下右图可以看出，车辆白度显示有所降低，因此还是需要改进】erode

    //4 图像降噪
    //4-1 腐蚀处理 目的 去除白色噪点
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
    erode(diff,diff,element);
    imshow("erode",diff);//测试

4-2 膨胀处理目的把白色区域变大

效果展示：【如下右图，膨胀处理将车辆形状大致显示，便于框选车辆识别操作】dilate

    //4-2 膨胀 目的 把白色区域变大
    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
    dilate(diff,diff,element2);
    imshow("dilate",diff);//测试

步骤五：提取关键点框选运动目标检测

效果展示：车辆识别运行目标检测框选识别行进的车辆

    //5 提取关键点
    //5-1 查找特征点
    vector<vector<Point>>contours;
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));

    //5-2 提取关键点
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());

    //5-3 确定下四个点来用于框选目标物体
    int x,y,w,h;
    int num=contours.size();
    for(int i = 0;i < num;i++)
    {
        approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
        //多边拟合
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //绘制矩形
        rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
    }

三：车辆识别完整源码分享

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

Mat moveCheck(Mat &frontFrame,Mat &afterFrame)
{
    Mat resFrame,diff;
    Mat frontGray,afterGray;

    //克隆当前帧画面 返回最终结果
    resFrame = afterFrame.clone();

    //1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
    cvtColor(frontFrame,frontGray,CV_RGB2GRAY);
    cvtColor(afterFrame,afterGray,CV_RGB2GRAY);

    //imshow("frontGray",frontGray);
    //imshow("afterGray",afterGray);

    //2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)
    absdiff(frontGray,afterGray,diff);
    //imshow("diff",diff);

    //3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
    threshold(diff,diff,25,255,CV_THRESH_BINARY);
    //imshow("threshold",diff);

    //4 图像降噪
    //4-1 腐蚀处理 目的 去除白色噪点
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
    erode(diff,diff,element);
    //imshow("erode",diff);

    //4-2 膨胀 目的 把白色区域变大
    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
    dilate(diff,diff,element2);
    //imshow("dilate",diff);

    //5 提取关键点
    //5-1 查找特征点
    vector<vector<Point>>contours;
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));

    //5-2 提取关键点
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());

    //5-3 确定下四个点来用于框选目标物体
    int x,y,w,h;
    int num=contours.size();
    for(int i = 0;i < num;i++)
    {
        approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
        //多边拟合
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //绘制矩形
        rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
    }

    return resFrame;
}

int main(int argc, char *argv[])
{
    Mat frame;
    Mat temp;
    Mat res;
    int count = 0;

    VideoCapture cap("D:/00000000000003jieduanshipincailliao/carMove.mp4");//视频路径

    while (cap.read(frame))
    {
        count++;
        if(count == 1)
        {
            res = moveCheck(frame,frame);
        }
        else
        {
            res = moveCheck(temp,frame);
        }
        imshow("frame",frame);
        imshow("res",res);//最终车辆识别成果
        temp = frame.clone();
        waitKey(15);
    }
    return 0;
}