OpenCV实现车辆识别和运动目标检测
作者:我今年十六岁 发布时间:2023-09-22 18:55:40
标签:OpenCV,车辆识别,运动目标检测
一:车辆识别成果展示
二:车辆识别超详细步骤解析
步骤一:灰度化处理
灰度处理目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
效果展示:【避免内存浪费 帧差法对前后帧图像灰度化处理】
//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理
cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//后一帧灰度化处理
//imshow("frontGray",frontGray);//测试
//imshow("afterGray",afterGray);//测试
步骤二:帧差处理
帧差处理目的 找到帧与帧之间的差异(正在运动的物体)
效果展示:【运动目标的检测:运动事物显示灰度,静止事物显示黑度】
//2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)
Mat diff;
Mat frontGray,afterGray;
absdiff(frontGray,afterGray,diff);//前后帧对比存于diff中
imshow("diff",diff);//测试
步骤三:二值化处理
二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
效果展示:【步骤二中运动事物显示灰度,静止事物显示黑度,在这里进行二值化处理,能够黑白分明,便于计算机识别运动目标,如下右图二值化处理后黑白分明】【缺点:存在白色噪点,如下右图除了车辆外后面的背景也显示白度,这就是白色噪点,需要去除】
//3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
threshold(diff,diff,25,255,CV_THRESH_BINARY);
imshow("threshold",diff);//测试
步骤四:图像降噪
4-1 腐蚀处理 目的 去除白色噪点
效果展示:【步骤三中存在的白色噪点能够去除,但是在去除白色噪点的同时,也影响了车辆的白度显示,如下右图可以看出,车辆白度显示有所降低,因此还是需要改进】
//4 图像降噪
//4-1 腐蚀处理 目的 去除白色噪点
Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
erode(diff,diff,element);
imshow("erode",diff);//测试
4-2 膨胀处理 目的 把白色区域变大
效果展示:【如下右图,将车辆形状大致显示,便于框选车辆识别操作】
//4-2 膨胀 目的 把白色区域变大
Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
dilate(diff,diff,element2);
imshow("dilate",diff);//测试
步骤五:提取关键点 框选运动目标检测
效果展示:车辆识别成功
//5 提取关键点
//5-1 查找特征点
vector<vector<Point>>contours;
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
//5-2 提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());
//5-3 确定下四个点来用于框选目标物体
int x,y,w,h;
int num=contours.size();
for(int i = 0;i < num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
//多边拟合
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制矩形
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
}
三:车辆识别完整代码
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
Mat moveCheck(Mat &frontFrame,Mat &afterFrame)
{
Mat resFrame,diff;
Mat frontGray,afterGray;
//克隆当前帧画面 返回最终结果
resFrame = afterFrame.clone();
//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
cvtColor(frontFrame,frontGray,CV_RGB2GRAY);
cvtColor(afterFrame,afterGray,CV_RGB2GRAY);
//imshow("frontGray",frontGray);
//imshow("afterGray",afterGray);
//2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)
absdiff(frontGray,afterGray,diff);
//imshow("diff",diff);
//3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
threshold(diff,diff,25,255,CV_THRESH_BINARY);
//imshow("threshold",diff);
//4 图像降噪
//4-1 腐蚀处理 目的 去除白色噪点
Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
erode(diff,diff,element);
//imshow("erode",diff);
//4-2 膨胀 目的 把白色区域变大
Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
dilate(diff,diff,element2);
//imshow("dilate",diff);
//5 提取关键点
//5-1 查找特征点
vector<vector<Point>>contours;
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
//5-2 提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());
//5-3 确定下四个点来用于框选目标物体
int x,y,w,h;
int num=contours.size();
for(int i = 0;i < num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
//多边拟合
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制矩形
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
}
return resFrame;
}
int main(int argc, char *argv[])
{
Mat frame;
Mat temp;
Mat res;
int count = 0;
VideoCapture cap("D:/00000000000003jieduanshipincailliao/carMove.mp4");//视频路径
while (cap.read(frame))
{
count++;
if(count == 1)
{
res = moveCheck(frame,frame);
}
else
{
res = moveCheck(temp,frame);
}
imshow("frame",frame);
imshow("res",res);//最终车辆识别成果
temp = frame.clone();
waitKey(15);
}
return 0;
}
当然,夜晚的车辆也能够正常识别
不过,本次的帧差法的车辆识别存在弊端,只要是运动的物体都会识别,比如,博主打开摄像头,动一动手指头,也会被框选识别,因此是有一定弊端的
不过,这种帧差法的运动目标检测,在夜晚监控中是非常广泛地应用到,因为有任何的风吹草动,都会被框选识别。
来源:https://blog.csdn.net/m0_56051805/article/details/126062172


猜你喜欢
- mysql设置字段长度1.关于char和varcharchar是定长字符,varchar是变长字符。在mysql4.0版本之前,char和v
- 按下"开始(win)"按钮和R键,输入cmd,打开命令行寻找点击需要的库:https://www.lfd.uci.edu
- 本文实例讲述了python实现web方式logview的方法。分享给大家供大家参考。具体如下:这里用Python实现web方式查看日志的一个
- 学习目标在本章中,将学习用于跟踪视频中对象的Meanshift和Camshift算法MeanshiftMeanshift背后的原理很简单,假
- php redis断线重连,pconnect连接失败问题介绍在swoole ,workerman等cli长连接模式下,遇到Redis异常断开
- 如下所示:def trans_data_to_pair(self,data,index): contents=[
- 摘要: 阐述一种全新的ASP模板引擎,实现代码(逻辑)层与HTML(表现)层的分离.这种模板实现方法避免了一般ASP模板加载模板文件(加载组
- 前言首先来讲一下服务端渲染,直白的说就是在服务端拿数据进行解析渲染,直接生成html片段返回给前端。具体用法也有很多种比如:传统的服务端模板
- 系统环境:win10 开发环境:JetBrains PyCharm 2017.1.5 x64 Python版本:2.7假如我们有一个clas
- 在工作中,作为一名开发者的你,也许偶尔需要从事维护数据库的工作。下面我们来介绍一下两个SQL服务器的维护技巧:轻松改变数据库拥有者、整理索引
- IIS设置首先打开IIS就不用说了巴第2步右建默认网站属性第3步主目录选项卡点击第3步的配置按钮弹出窗口的设置,至此IIS设置完毕任意编辑器
- 背景介绍作为一款产品,往往希望能得到用户的反馈,从而通过对用户行为的分析进行功能、交互等方面的改进。然而直接的一对一的用户交流是低效且困难的
- 前言:由于很多业务表因为历史原因或者性能原因,都使用了违反第一范式的设计模式。即同一个列中存储了多个属性值(具体结构见下表)。这种模式下,应
- 在学习redis过程中提到一个缓存击穿的问题, 书中参考的解决方案之一是使用布隆过滤器, 那么就有必要来了解一下什么是布隆过滤器。在参考了许
- 一、前言本文就从数据爬取、数据清洗、数据可视化,这三个方面入手,但你简单完成一个小型的数据分析项目,让你对知识能够有一个综合的运用。整个思路
- 在机器学习或者深度学习中,我们常常碰到一个问题是数据集的切分。比如在一个比赛中,举办方给我们的只是一个带标注的训练集和不带标注的测试集。其中
- python爬虫学习之定向爬取淘宝商品价格,供大家参考,具体内容如下import requestsimport redef getHTMLT
- 最近在使用python做接口测试,发现python中http请求方法有许多种,今天抽点时间把相关内容整理,分享给大家,具体内容如下所示:一、
- 程序流Python 解释器在其最简单的级别,以类似的方式操作,即从程序的顶端开始,然后一行一行地顺序执行程序语句。例如,清单 1 展示了几个
- 本文实例为大家分享了python+openCV利用摄像头实现人员活动检测的具体代码,供大家参考,具体内容如下1.前言最近在做个机器人比赛,其