车辆检测实战

涉及的知识点

（1）窗口的展示

（2）图像，视频的加载

（3）基本图像的绘制

（4）车辆识别  基本图像运算与处理，形态学，轮廓查找

主要步骤

（1）加载视频

import cv2
import numpy as np

cap = cv2.VideoCapture('E:\\pycharm\\PycharmFile\\opencv\\video\\car.mp4')

while True:
    ret, frame = cap.read()

    if (ret == True):
        cv2.imshow('video', frame)

    key = cv2.waitKey(30)
    if (key == 27):  # 对应键盘上的esc
        break

cap.release()
cv2.destroyAllWindows()

(2)去除背景（认为运动的是主体，而不动的是背景）

#用cv2.bgsegm,createBackgroundSubtractorMOG() 效果可能会好一点
bgsubmog=cv2.createBackgroundSubtractorMOG2()

        # 灰度
        cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 高斯滤波去噪
        blur = cv2.GaussianBlur(frame, (3, 3), 5)
        # 去背影
        mask = bgsubmog.apply(blur)

(3) 形态学处理

# 心态学kernel
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

        # 腐蚀＋膨胀 将视频帧中的小白点先去除
        # 腐蚀
        erode = cv2.erode(mask, kernel, iterations=10)
        # 膨胀
        dilate = cv2.dilate(erode, kernel, iterations=10)

        # 闭操作，膨胀掉内部的黑色斑点
        close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel)
        close = cv2.morphologyEx(close, cv2.MORPH_CLOSE, kernel)

        # 查找轮廓
        contours, hierarchy = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        # 根据查找的轮廓，进行绘制外接最大矩阵
        for (i, c) in enumerate(contours):
            (x, y, w, h) = cv2.boundingRect(c)
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 3)

（4）统计过程

首先，我们在上一个部分已经绘制出了最大矩阵。那我们就需要对最大矩阵进行判断，看是否是我们需要的车，就用矩阵大小进行判断。

            # 对车的宽高判断，判断是否是有效的车
            isValid = (w >= min_w) and (h >= min_h)
            if (not isValid):
                continue
            # 到这全是有效的车

判断完是否是车后，需要对车进行判断是否经过了“斑马线”。这是就需要我们先画出一条线（设置线的时候需要对视频大小进行分析，设置一个合适的值），然后以车的中心点代表车，看车辆是否通过了这条线。

# 设置一条线
# 检测线的高度
line_high = 600  # 这个与视频的大小有关，可以打出视频的shape得到大小信息

 

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


# 存放有效汽车中心点位置的数组
cars = []

            # 存车辆中心的点
            cpoint = center(x, y, w, h)
            cars.append(cpoint)

判断车是否通过（看车的中心点是否经过设置的线的范围）并对车的数目+1  还要将计算后的车从数组中拿走。

            for (x, y) in cars:
            # 要有一条线，并需要一个范围（只要在这个范围的像素点中，就代表车通过了） 通过了就将这个xy从数组中减去
                if (y >= line_high - offset) and (y <= line_high + offset):
                    carno += 1
                    cars.remove((x, y))
                    print(carno)

(5）收尾，完善细节（在视频中显示车辆的数目）（如果发现车辆重复计数，就说明线的范围大了）（如果发现从下往上的车没有被检测到，就应该稍微调整线的高度）

 #在视频中显示车辆数
  cv2.putText(frame, "cars count:" + str(carno), (500, 60), cv2.FONT_HERSHEY_SIMPLEX, 2, (255, 0, 0), 5)