Opencv车辆检测统计项目

涉及到的内容

• 窗口的展示
• 图像/视频的加载
• 基本图像的绘制
• 车辆识别
  • 基本图像运算与处理
  • 形态学
  • 轮廓查找

整体流程

1. 加载视频
2. 通过形态学识别车辆
3. 对车辆进行统计
4. 显示车辆统计信息

#加载视频
import cv2
import numpy as np

cap = cv2.VideoCapture('./20220628.mp4')

#循环读取视频
while True:
    ret,frame = cap.read()
    if ret == True:
        cv2.imshow('video',frame)
        
    key = cv2.waitKey(30)
    
    #按esc退出
    if key == 27:
        break
        
#释放资源
cap.release()
cv2.destroyAllWindows()

 视频效果图：

# BackgroundSubtractorMOG
# 这是一个以混合高斯模型为基础的前景/背景分割算法
# cv2.bgsegm.createBcakgroundSubtractorMOG() 

#去除背景示例
import cv2
import numpy as np

cap = cv2.VideoCapture(0)
#创建mog对象
mog = cv2.bgsegm.createBackgroundSubtractorMOG()

#循环读取视频
while True:
    ret,frame = cap.read()
    if ret == True:
        fgmask = mog.apply(frame)
        cv2.imshow('video',fgmask)
        
    key = cv2.waitKey(30)
    
    #按esc退出
    if key == 27:
        break
        
#释放资源
cap.release()
cv2.destroyAllWindows()

 完整代码：

import cv2
import numpy as np

cap = cv2.VideoCapture('./20220628.mp4')
#创建mog对象
mog = cv2.bgsegm.createBackgroundSubtractorMOG()

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

#阈值
min_w = 20
min_h = 8

#划线
line_length=700

#计数的范围
offest = 9

cars = []
c_num=0

#计算中心点函数
def center(x,y,w,h):
    x1 = int(w/2)
    y1 = int(h/2)
    cx = int(x)+x1
    cy = int(y)+y1
    return cx,cy

#循环读取视频
while True:
    ret,frame = cap.read()
    if ret == True:
        
        #把原始帧进行灰度化，然后进行去噪
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        
        #去噪
        blur = cv2.GaussianBlur(gray,(3,3),5)
        mask = mog.apply(blur)
        
#         #腐蚀
#         erode = cv2.erode(mask,kernel)
        
#         #膨胀
#         dilate = cv2.dilate(erode,kernel,iterations=2)
        
#         #消除方块-闭运算
#         dst = cv2.morphologyEx(dilate,cv2.MORPH_CLOSE,kernel,iterations=1)
        
#         cv2.imshow('video',dilate)

        #膨胀
        dilate = cv2.dilate(mask,kernel,iterations=2)
        #腐蚀
        erode = cv2.erode(dilate,kernel,iterations=2)
        
        #消除方块-闭运算
        dst = cv2.morphologyEx(erode,cv2.MORPH_CLOSE,kernel,iterations=2)
        
        #查找轮廓
        contours,hierarchy = cv2.findContours(dst,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
        
        #画出检测线
        cv2.line(frame,(line_length,0),(line_length,740),(255,255,0),2)
        
        #画出所有检测出来的轮廓
        for contour in contours:
            (x,y,w,h) = cv2.boundingRect(contour)
            
            #把小窗口过滤掉
            is_valid = (w>=min_w)&(h>=min_h)
            if not is_valid:
                continue
            
            cv2.rectangle(frame,(x,y),(x + w,y + h),(0,0,255),2)#图片，起始点，结束点，颜色，线宽
            
            #把车抽象为点，用点与线的距离来计算数量
            point = center(x,y,w,h)
            
            #保存车辆信息
            cars.append(point)
            
            cv2.circle(frame,(point),3,(0,255,0),-1)
            
            #判断车辆是否过线
            for (x,y) in cars:
                if x > (line_length-offest) and x < (line_length+offest):
                    #进入有效范围
                    #数量+1
                    c_num+=1
                    #去除识别过的车辆
                    cars.remove((x,y))
                    print(c_num)
        cv2.putText(frame,'Vehicle Count:'+str(c_num),(10,30),cv2.FONT_HERSHEY_COMPLEX,1,(250,20,240),1)
        cv2.imshow('video',frame)
        
    key = cv2.waitKey(50)
    
    #按esc退出
    if key == 27:
        break
        
#释放资源
cap.release()
cv2.destroyAllWindows()

效果：