智慧城市交通系列之车流量检测（一）

序言

车流量在目前的交通系统中应该是非常普遍的，可以用于统计某条干道的车辆经过总数，与人流检测实现原理几乎是一样的，都是基于目标检测和跟踪进行，本例的实现是基于yolov5+deepsort，使用yolov5对车辆进行检测，再用deepsort对其跟踪，而后设计一系列的规则撞线进行两个方向的车流数量统计。网上实现的方式有很多种，效果大同小异，可以择优选择学习。

一、实现原理

基于之前的yolo+deepsort上，将person类别改为车辆类别，因为coco数据集中，车辆类别有几种【car，bus，truck】，所以都要保存下来。

首先来看一下yolov5+deepsort的车辆跟踪初始效果，看着密密麻麻的框和id，思考一下该如何去设计这些规则进行统计。

首先观察图中，需要构建一个区域对经过的车辆进行统计，因为有两个方向，所以这里构建了黄、蓝两个区域，因为考虑到路面并不是规则矩形，所以构建的是多边形区域。mask掩码代码如下：

def draw_mask(height,width):
    # 根据视频尺寸，填充一个polygon，供撞线计算使用
    mask_image_temp = np.zeros((height, width), dtype=np.uint8)
    # 初始化2个撞线polygon  蓝色
    list_pts_blue = [[277, 305], [926, 308], [983, 344], [220, 335]]          # 蓝色多边形坐标，可根据自己的场景修改
    ndarray_pts_blue = np.array(list_pts_blue, np.int32)
    polygon_blue_value_1 = cv2.fillPoly(mask_image_temp, [ndarray_pts_blue], color=1)      #  构建多边形
    polygon_blue_value_1 = polygon_blue_value_1[:, :, np.newaxis]
    # 填充第二个polygon    黄色
    mask_image_temp = np.zeros((height, width), dtype=np.uint8)
    list_pts_yellow = [[220, 335], [983, 344], [1030, 370], [170, 356]]       # 黄色多边形坐标，可根据自己的场景修改
    ndarray_pts_yellow = np.array(list_pts_yellow, np.int32)
    polygon_yellow_value_2 = cv2.fillPoly(mask_image_temp, [ndarray_pts_yellow], color=2)   # 构建多边形
    polygon_yellow_value_2 = polygon_yellow_value_2[:, :, np.newaxis]
    # 撞线检测用mask，包含2个polygon，（值范围 0、1、2），供撞线计算使用

    polygon_mask_blue_and_yellow = polygon_blue_value_1 + polygon_yellow_value_2
    # 缩小尺寸，1920x1080->960x540
    polygon_mask_blue_and_yellow = cv2.resize(polygon_mask_blue_and_yellow, (width, height))
    # 蓝 色盘 b,g,r
    blue_color_plate = [255, 0, 0]
    # 蓝 polygon图片
    blue_image = np.array(polygon_blue_value_1 * blue_color_plate, np.uint8)

    # 黄 色盘
    yellow_color_plate = [0, 255, 255]
    # 黄 polygon图片
    yellow_image = np.array(polygon_yellow_value_2 * yellow_color_plate, np.uint8)

    # 彩色图片（值范围 0-255）
    color_polygons_image = blue_image + yellow_image
    # 缩小尺寸，1920x1080->960x540
    color_polygons_image = cv2.resize(color_polygons_image, (width, height))

    return polygon_mask_blue_and_yellow,color_polygons_image

最后掩码图如下，后面我们会告诉这个掩码怎么使用。

为了构建出更好的可视化效果，得到的掩码我们使用opencv中的add函数，将deepsort输出的跟踪图与之相融合，得到如下效果图，就能够很清晰的看到车辆经过该区域后计数器开始工作。

好了，准备工作做完了，接下来该介绍如何使用掩码进行计数。首先yolov5检测后得到的框，需要设计一个撞线的点，这个点将代表着这辆车的坐标，而不是检测得到的框，可以取框的中心点，也可以取其他的点，例如我的例子中就取了图中的该点，这个点将代表着这辆汽车：

创建两个列表，分别用于记录经过黄色、蓝色区域的车辆id。所以我们就有如下计数规则：

向下记录规则：

1. 当某个点在蓝色区域，并且不在黄色区域时，说明该点是从上往下经过蓝色区域，蓝色区域列表添加其id，不予处理。
2. 当该点位于黄色区域后，检查其是否也在蓝色区域列表中，如果在，则说明其是向下的方向，向下计数器+1，同时在两个列表中将其id删除。

往上记录规则同理：

1. 当某个点在黄色区域，并且不在蓝色区域时，说明该点是从下往上经过黄色区域，黄色区域列表添加其id，不予处理。
2. 当该点位于蓝色区域后，检查其是否也在黄色区域列表中，如果在，则说明其是向上的方向，向上计数器+1，同时在两个列表中将其id删除。

光看文字的话可能会比较懵逼，可以结合效果图进行理解。

说了这么多，怎么判断车辆的点是否进入了颜色区域呢？回到上面的代码中，在创建mask掩码的时候，额外创建了一个图像矩阵polygon_mask_blue_and_yellow，蓝色区域在矩阵中的值为1，黄色的则为2。与检测的视频中的位置是对应的，所以我们可以很好的判断，如果某个点的坐标在这个矩阵中值为1，则在蓝色区域中，如果值为2，则在黄色区域。具体代码实现如下：

if len(list_bboxs) > 0:            # 如果图上有目标
            # ----------------------判断撞线----------------------
            for item_bbox in list_bboxs:         
                x1, y1, x2, y2, _, track_id = item_bbox  # 取出deepsort返回坐标和id
                y1_offset = int(y1 + ((y2 - y1) * 0.6))  # 设置一个撞线检测点，(x1，y1)，y方向偏移比例 0.0~1.0
                # 撞线的点
                x, y = x1, y1_offset

                if polygon_mask_blue_and_yellow[y, x] == 1:  # 如果撞线点进入蓝色区域
                    # 如果撞 蓝polygon
                    if track_id not in self.list_overlapping_blue_polygon:
                        self.list_overlapping_blue_polygon.append(track_id)  # 用一个列表记录下车辆id

                    if track_id in self.list_overlapping_yellow_polygon:  # 如果这个id也在黄色区域，那么则是外出方向
                        self.up_count += 1  # 外出计数+1
                        # print('up count:', self.up_count, ', up id:', track_id)
                        self.list_overlapping_yellow_polygon.remove(track_id)  # 删除 黄polygon list 中的此id
                    else:
                        # 无此 track_id，不做其他操作
                        pass

                elif polygon_mask_blue_and_yellow[y, x] == 2:  # 如果车辆撞线点进入
                    # 如果撞 黄polygon
                    if track_id not in self.list_overlapping_yellow_polygon:
                        self.list_overlapping_yellow_polygon.append(track_id)  # 用另一个列表记录下车辆id

                    if track_id in self.list_overlapping_blue_polygon:  # 如果这个id也在蓝色区域，那么则是进入方向
                        self.down_count += 1  # 进入计数+1
                        # print('down count:', self.down_count, ', down id:', track_id)
                        self.list_overlapping_blue_polygon.remove(track_id)  # 删除 蓝polygon list 中的此id
                    else:
                        # 无此 track_id，不做其他操作
                        pass
                else:
                    pass

写的有些凌乱，过后如果发现表达不足的地方过后再修改。

另外本文代码实现是基于此行人计数的仓库，做了部分改进和优化，非常感谢他的开源工作。自己的代码有点凌乱还未整理，打算写完这一系列的文章后再进行上传。原理相对来说比较简单，可以自己尝试着去实现。