项目设计——车流识别（2.帧差法识别车辆）

最新推荐文章于 2024-05-13 17:07:29 发布

shiningrain3

最新推荐文章于 2024-05-13 17:07:29 发布

阅读量1.5k

点赞数 4

分类专栏：课程大作业文章标签：车流识别

本文链接：https://blog.csdn.net/qq_43678628/article/details/102571403

版权

本文介绍了帧差法作为车辆识别的一种简单方法，主要用于视频中的移动物体检测。通过对连续两帧图像进行灰度差值计算，再经过高斯滤波、膨胀和腐蚀等处理，能够获取车辆轮廓。在项目实践中，选择了两帧差法，因为视频车流速度适中，且与三帧差法原理相似。代码实现中涉及了视频读取、帧处理和轮廓检测等步骤，但存在多车道混淆、对向车干扰及窗口抖动等问题，计划采用背景差法进行改进。

摘要由CSDN通过智能技术生成

1.原理简介

在我们录制的视频中，车辆是其中最明显的移动物体，而背景的其他物体几乎是静止的（或者是微小的移动，可以被后续处理掉），因此我们可以直观地想到使用帧差法识别车辆。

帧差法是车辆识别中最简单的方法，一般选取2-3帧计算差值。对于两帧的帧差法，取当前帧与前一帧的差值，对应的像素点相减，判断灰度差的绝对值。随后经过高斯滤波、膨胀、腐蚀等处理，可以较好地得到汽车的轮廓，从而进行识别。对于三帧的帧差法，一般来讲我们将前两帧计算差值，再将当前帧与其前一帧进行差值，再把两个差值按像素点进行“与”操作，得到差值图片，后续再经过其他处理得到轮廓。三帧法的好处是可以有效地对运动物体进行检测，可以有效减少输出结果的“鬼影”，但是当物体移速较低时可能会丢失物体的轮廓。在本项目中，使用二帧差法，一方面是因为视频车流的速度不算太块，另一方面三帧差法和二帧差法原理基本一致，因此先从二帧差尝试。

2.代码实现（部分）

首先我们通过opencv的videocap.open打开目标视频，并利用videocap.get(CV_CAP_PROP_FPS)获取视频帧数。
我们将视频前一帧与后一帧获取并输入deal()函数进行处理，deal()函数将在下文进行分析，如果前一帧没有，则将当前帧复制作前一帧。Videocap为之前声明的变量。用videocap.open(“D:/test.mp4”);打开目标视频。
}

	Mat frame, preframe, curframe, result;
	namedWindow("Tap ESC to exit", 0);
	while (true)
	{
   
		videocap >> frame;
		if (frame.empty()) break;
		if (preframe.empty()) preframe = frame.clone();
		curframe = frame.clone();
		result = deal(preframe, curframe);
	}

Deal()为对获取的两帧进行帧差法处理，代码如下所示：其中get_Gsmooth()、get_grey、get_diff、binaryzation、expand、erosion均为定义的函数，负责各个处理环节，随后使用findContours函数对物体轮廓进行检测，最后再画框框把结果标记起来。

	Mat result = frame.clone();
	//Mat curimageROI = preframe(Rect(preframe.cols / 5, preframe.rows / 5, preframe.cols / 1.5, preframe.rows / 1.5));
	//Mat preimageROI = frame(Rect(frame.cols / 5, frame.rows / 5, frame.cols / 1.5, frame.rows / 1.5));
	Mat curimageROI = preframe;
	Mat preimageROI = frame;


	Mat sm_pre, sm_cur;
	sm_pre = get_Gsm