基于OpenCV的车辆计数

 相信很多人在学习opencv都会需要一个巩固练手的项目，而今天分享的车辆计数就是一个不错的选择。

效果如图所示：

代码如下：

代码运行时，按s键可保存当前帧率图像，按Esc键可退出程序。

python前置环境条件如下：

 pip install numpy matplotlib opencv_python

import cv2

path='./car.mp4'
min_w,min_h=90,90
# 检测线高度
line_height=500
#线偏移量
offset=6
#car数量
carno=0
cars = []
#获取视频
cap=cv2.VideoCapture(path)
# cv2.resizeWindow('video', 900, 600)#重新设置窗口为指定大小
bgsubmog=cv2.bgsegm.createBackgroundSubtractorMOG()

def get_center(x,y,w,h):
    return x+0.5*w,y+0.5*h

while True:

    #形态学kernel
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
    ret, frame = cap.read()
    if ret==True:
        #gray
        cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        # print(frame.shape)#(1080, 1920, 3)
        #高斯 去噪
        blur=cv2.GaussianBlur(frame,(3,3),5)
        blur=cv2.GaussianBlur(blur,(3,3),5)
        #去背影
        mask=bgsubmog.apply(blur)
        #腐蚀
        erode=cv2.erode(mask,kernel)
        #膨胀
        dilate=cv2.dilate(erode,kernel,iterations=2)
        #闭操作，去掉物体内部小块
        close=cv2.morphologyEx(dilate,cv2.MORPH_CLOSE,kernel)
        close=cv2.morphologyEx(close,cv2.MORPH_CLOSE,kernel)
        close=cv2.morphologyEx(close,cv2.MORPH_CLOSE,kernel)
        #查找轮廓
        cnts,h=cv2.findContours(close,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
        #检测线
        cv2.line(frame,(10,line_height),(1800,line_height),(0,255,0),2)
        for (i,c) in enumerate(cnts):
            x,y,w,h=cv2.boundingRect(c)

            #判断是否为有效车辆
            isValid=(w>=min_w) and (h>=min_h)
            if not isValid:
                continue

            #有效车辆
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 5, 255), 2)
            cpoint=get_center(x,y,w,h)
            cars.append(cpoint)

            for (x,y) in cars:
                if(y>line_height-offset) and (y<line_height+offset):
                    carno+=1
                    cars.remove((x,y))
                    print('-------当前car统计数量--------',carno)
        cv2.putText(frame,f'car count : {carno}',(60,300),cv2.FONT_HERSHEY_SIMPLEX,1,(0,255,255))
        cv2.imshow('erode video',frame)

    key=cv2.waitKey(1) #1ms取一帧
    if(key&0xFF==27 or key&0xFF==ord('q')):
        break
    elif (key & 0xFF == ord('s')):
        cv2.imwrite("./car.png", frame)  # 保存图片


#释放VideoCapture
cap.release()
cv2.destroyAllWindows() #销毁窗口

 虽然基于opencv的车辆计数能够在一定程度上取得不错的表现，但是仍然有许多不足之处。这就要考虑通过深度学习来实现车辆的检测，下一篇blog为大家分享基于yolo系列的目标检测。