基于OpenCV-车辆检测项目（简易版）

本项目使用的视频地址链接

1.项目介绍

对一个视频进行车辆数量的检测，用到的知识有视频的读取，滤波器，形态学，添加直线、文本；项目流程为：1.读取一段视频。2.通过形态学处理识别车辆。3.对车辆进行计数。4.显示车辆统计信息。

2. 读取一段视频

在进行车辆检测之前，首先要把视频读进来。
代码如下：

import cv2
import numpy as np

# 创建视频帧对象
cap = cv2.VideoCapture('./video/video.mp4')
# 检测视频是否被打开
if not cap.isOpened():
    print('video open failed')
    exit(0)
# 循环读取图片
while True:
    ret, frame = cap.read()
    # 检测是否正确读取视频帧
    if not ret:
        print('视频帧读取有误')
        break
    # 读取正确
    cv2.imshow('frame', frame)
    # 视频播放速度过快，该成正常速度
    # key = cv2.waitKey(1) & 0xff 播放过快
    key = cv2.waitKey(int(1000/cap.get(cv2.CAP_PROP_FPS))) & 0xff
    if key == 27:
        break # 按ESC退出


# 释放资源
cap.release()
cv2.destroyAllWindows()

3.通过形态学处理识别车辆

先将彩色图像转化为灰度图，然后高斯滤波，接着去背景获得前景，接着通过腐蚀腐蚀图中小斑点，然后再膨胀，用闭运算去除图案里面的小方块。得到一个可以识别的图像。

def bodyResize(img):
    # 将图像转化为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 使用高斯滤波去噪
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    # 去背景
    mask = bgsubmog.apply(blur)
    # 腐蚀去掉图中的小方块
    erode = cv2.erode(mask, kernel, iterations=1)
    # 膨胀放大
    dilate = cv2.dilate(erode, kernel, iterations=3)
    # 闭操作，去掉物体内部的小方块
    close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel)
    close = cv2.morphologyEx(close, cv2.MORPH_CLOSE, kernel)
    return close

处理过后如图所示：白色的为车辆。

4.描画轮廓

首先要检测出轮廓，然后根据得到的轮廓画矩形，为了防止矩形太多，过滤掉太小的矩形。

def drawContours(img, points):

    # 根据轮廓画矩形
    for (i, points) in enumerate(contours):
        #print(i, points)
        # 画最大外接矩形,太小就不画
        x, y, w, h = cv2.boundingRect(points)
        if w < min_w and h < min_h:
            continue
        cv2.rectangle(frame, (x, y), (x+w, y+h),(255, 0, 0), 2)

5. 车辆计数并显示

首先把车辆看成一个个矩形，然后算出矩形的中心点，中心点过直线就统计成一辆车，最后将计数打印在图片上。完整版代码如下。

import cv2
import numpy as np

# 矩形最小宽高
min_w = 90
min_h = 90

# 存储有效车辆的数组
cars = []
# 设置线高
line_high = 600
# 偏移量
offest = 9

# 车的数量
count = 0


def center(x, y, w, h):
    x1 = x+w/2
    y1 = y+h/2
    return x1, y1


def bodyResize(img):
    # 将图像转化为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 使用高斯滤波去噪
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    # 去背景
    mask = bgsubmog.apply(blur)
    # 腐蚀去掉图中的小方块
    erode = cv2.erode(mask, kernel, iterations=1)
    # 膨胀放大
    dilate = cv2.dilate(erode, kernel, iterations=3)
    # 闭操作，去掉物体内部的小方块
    close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel)
    close = cv2.morphologyEx(close, cv2.MORPH_CLOSE, kernel)
    return close


def drawContours(img, points):

    # 根据轮廓画矩形
    for (i, points) in enumerate(contours):
        #print(i, points)
        # 画最大外接矩形,太小就不画
        x, y, w, h = cv2.boundingRect(points)
        if w < min_w and h < min_h:
            continue
        cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)




# 创建视频帧对象
cap = cv2.VideoCapture('./video/video.mp4')
# 创建去背景的对象
bgsubmog = cv2.bgsegm.createBackgroundSubtractorMOG()
# 卷积核大小
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# 检测视频是否被打开
if not cap.isOpened():
    print('video open failed')
    exit(0)
# 循环读取图片
while True:
    ret, frame = cap.read()
    # 检测是否正确读取视频帧
    if not ret:
        print('视频帧读取有误')
        break
    # 下面都是读取正确的车辆
    # 画直线，用来统计车
    cv2.line(frame, (10, line_high), (1270, line_high), (0, 0, 255), 2)
    # 进行形态学处理
    close = bodyResize(frame)
    # 检测轮廓
    contours, hier = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    # 根据轮廓画矩形
    for (i, points) in enumerate(contours):
        # print(i, points)
        # 画最大外接矩形,太小就不画
        x, y, w, h = cv2.boundingRect(points)
        if w < min_w and h < min_h:
            continue
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 统计车辆数量
        # 求出车的中心点
        cen_point = center(x, y, w, h)
        cars.append(cen_point)

        # 统计过直线的车的数量
        for (x, y) in cars:
            if(y > line_high - offest) and (y < line_high + offest):
                count = count + 1
                cars.remove((x, y))
                # print(count)
    # 将count打印在屏幕上
    cv2.putText(frame, "count = "+str(count), (500, 60), cv2.FONT_HERSHEY_SIMPLEX, 2, (255,0,0), 5)
    cv2.imshow('frame', frame)
    # cv2.imshow('resize', close)
    # 视频播放速度过快，该成正常速度
    # key = cv2.waitKey(1) & 0xff 播放过快
    key = cv2.waitKey(int(1000/cap.get(cv2.CAP_PROP_FPS))) & 0xff
    if key == 27:
        break  # 按ESC退出


# 释放资源
cap.release()
cv2.destroyAllWindows(

---

此项目仅供个人练习使用，目的是加强对OpenCV的各种API的理解，本项目是基于传统图像处理，还存在较大缺陷，比如极端情况计数不准等问题，后续优化还可以依据深度学习等模型来训练，如有问题，欢迎在评论区讨论。