项目设计——车流识别（1.准备工作）

1.任务目标

（此博客主要记录“项目设计”课程中的“车流识别”项目完成过程中遇到的问题、思考以及相应的进展，由于参与项目的人员水平限制，博文记载仅供备忘与参考，不具备学术价值）

该项目的任务目标为识别车流中的车辆，并对车轮进行检测、标记；
工作环境设定为实际道路上，也可以对设备直接输入视频进行识别；
输入视频默认为在车流侧面录制的视频（以方面对车轮的检测），对镜头的状态没有明显限制。经测试，目前使用的算法对鱼眼镜头拍出来的视频和经过校正的正常视频没有在识别上的明显不同，具体仍有待后续讨论；

此外，车辆速度不应太快，由于对每一帧图像的处理速度有限，过快的车流会造成识别效果变差（尤其是对轮胎的识别）。

2.环境配置

Linux系统（虚拟机）安装

Linux系统具备较多的软件支持以及优秀的稳定性，而且在经过实际测试后，Linux（虚拟机）其对车流视频的处理速度也要高于博主的Window（主系统），再加上该课程老师的极力推荐：大学生总要用一下Linux。 因此决定整体环境配置在LInux系统中。在本项目中使用的是Ubuntu系统，虚拟机为VMware Workstation 15 player.

VMware Workstation 15 player 的下载地址如下所示，VMware Workstation player 是免费使用的，只要在安装后选择非商业用途，如果是商业用途建议购买激活码或者直接使用VMware Workstation Pro。

https://www.vmware.com/products/workstation-player/workstation-player-evaluation.html

Ubuntu虚拟机可以从官网上获得，我是直接下载的ISO镜像，镜像可以从下面的网址下载，然后在VMware里找到这个镜像就可以直接用了，因为我的Ubuntu是在去年进行的配置，具体细节记得不是很清楚了，但是相关资料可以在网上很便利的找到，不在此赘述。此外值得一提的是，课上有同学第一次用虚拟机，无法链接到网络，这个问题一般来讲我们是在VMware虚拟机的网络配置上，使用Vnet8进行连接，一般都可以解决问题。如果还不能解决，可以在cmd里输入ipconfig查看各个连接状态，通过控制面板对Vnet8进行正确的配置即可解决（详细内容不作赘述，同样可以在网上找到针对性的教程）。

http://mirrors.melbourne.co.uk/ubuntu-releases/

QT安装

QT的下载见如下连接，根据自己电脑的配置以及Visual Studio的版本进行选择，由于我们要在ubuntu上运行，因此我们只需要下载.run文件即可。本文中我们选择的是QT5.6.2

http://download.qt.io/archive/qt/

在获取QT后，我们直接在虚拟机上运行.run文件，根据提示一步步完成安装，注意，在选择安装内容时应当全部选择，否则会像课上个别同学最后安装了一个700M的“QT”，是不能用的。

另外，根据网上其他教程，在安装完后，应当在termina输入sudo vim /usr/lib/x86_64-linux-gnu/qt-default/qtchooser/default.conf 打开default.conf文件，对内容进行修改配置环境，但是我在安装后并没有这个文件以及相应的文件夹，再咨询老师后，得到回答并不需要配置。后续的实际操作中也证实了不用配置也可以使用，可能是QT5版本以后就不需要再手动改写了吧。

OpenCV安装配置

在Ubuntu安装openCV需要安装各种依赖库以及GCC等，网上教程层出不穷，基本都是很有效的。
我在实际操作中，使用的是https://blog.csdn.net/wanzhen4330/article/details/82622664这篇博客的方法，可以很好的解决Opencv配置以及与QT的共同使用问题。值得一提的是，目前OpenCV已经达到了4版本，在QT引用opencv时，pro文件里的部分代码（includepath）应当改为：

INCLUDEPATH += /usr/local/include \
               /usr/local/include/opencv4

其余的配置均可按照上述博客内容进行设置，由于在后续我们需要读取视频进行识别操作，因此我们还需要对pro文件的LIBS进行一些改动，会在后面级逆行说明。

3.视频取材

本组的视频获取方式为老师发放的鱼眼摄像头以及我们的手机，在实际拍摄视频时，为了保证后续识别的准确性，一定要保证拍摄时相机的稳定，最好放在一个台子上进行拍摄，而非手持拍摄。事实证明，手持拍摄造成的轻微晃动会明显影响帧差法，从而造成误识别。
此外，条件允许的话，视频最好拍摄单行道接近路口的车辆，一方面可以把整个车身拍在镜头里而不用担心对向来车的干扰，一方面车速不快，不用担心识别问题。（当然，我们的目标是车流识别，因此在可以完成车辆识别的前提下，再解决车速以及对向车辆干扰问题。但是我们在前期并不需要给自己增加过多负担）

目前本组选择的是在学校西门以及西门外路口进行拍摄：西门比较狭窄，一般都是通过一辆车，比较方便；而西门外的路口道路比较宽，两个方向的车流都可以被完整的拍摄。在后续工作中很可能会进行第二次取材，以获取更加多样化的环境视频。

以上为准备工作的内容，下一篇博客会主要记录车流识别算法的设计。