Python OpenCV识别行人入口进出人数统计

前言

这篇博客针对《Python OpenCV识别行人入口进出人数统计》编写代码，功能包括了入口行人识别，人数统计。代码整洁，规则，易读。应用推荐首选。

一、所需工具软件

1. Python3.6以上
2. Pycharm代码编辑器
3. OpenCV, Numpy库

二、使用步骤

1.引入库

代码如下（示例）：

#导入需要的包
import numpy as np
import cv2
import Person
import time

2.识别特征图像

代码如下（示例）：

video=cv2.VideoCapture("counting_test.avi")
#输出视频
fourcc = cv2.VideoWriter_fourcc(*'XVID')#输出视频制编码
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))

w = video.get(3)
h = video.get(4)
print("视频的原宽度为:")
print(int(w))
print("视频的原高度为:")
area = h*w
print(int(h))
areaTHreshold = area/500
print('Area Threshold', areaTHreshold)

#计算画线的位置
line_up = int(1*(h/4))
line_down = int(2.7*(h/4))
up_limit = int(.5*(h/4))
down_limit = int(3.2*(h/4))
print ("Red line y:",str(line_down))
print ("Green line y:", str(line_up))

pt5 = [0, up_limit]
pt6 = [w, up_limit]
pts_L3 = np.array([pt5,pt6], np.int32)
pts_L3 = pts_L3.reshape((-1,1,2))
pt7 =  [0, down_limit]
pt8 =  [w, down_limit]
pts_L4 = np.array([pt7,pt8], np.int32)
pts_L4 = pts_L4.reshape((-1,1,2))
#背景剔除
# fgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True)
fgbg = cv2.createBackgroundSubtractorKNN()
#用于后面形态学处理的核
kernel = np.ones((3,3),np.uint8)
kerne2 = np.ones((5,5),np.uint8)
kerne3 = np.ones((11,11),np.uint8)

while(video.isOpened()):
   ret,frame=video.read()
   if frame is None:
       break
   #应用背景剔除
   gray = cv2.GaussianBlur(frame, (31, 31), 0)
   #cv2.imshow('GaussianBlur', frame)
   #cv2.imshow('GaussianBlur', gray)
   fgmask = fgbg.apply(gray)
   fgmask2 = fgbg.apply(gray)

try:
       #***************************************************************
       #二值化
       ret,imBin= cv2.threshold(fgmask,200,255,cv2.THRESH_BINARY)
       ret,imBin2 = cv2.threshold(fgmask2,200,255,cv2.THRESH_BINARY)
       #cv2.imshow('imBin', imBin2)
       #开操作(腐蚀->膨胀)消除噪声
       mask = cv2.morphologyEx(imBin, cv2.MORPH_OPEN, kerne3)
       mask2 = cv2.morphologyEx(imBin2, cv2.MORPH_OPEN, kerne3)
       #闭操作(膨胀->腐蚀)将区域连接起来
       mask =  cv2.morphologyEx(mask , cv2.MORPH_CLOSE, kerne3)
       mask2 = cv2.morphologyEx(mask2, cv2.MORPH_CLOSE, kerne3)
       #cv2.imshow('closing_mask', mask2)
       #*************************************************************
   except:
       print('EOF')
       print ('IN:',cnt_in+count_in)
       print ('OUT:',cnt_in+count_in)
       break

#找到边界
   _mask2,contours0, hierarchy = cv2.findContours(mask2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   for cnt in contours0:
       rect = cv2.boundingRect(cnt)#矩形边框
       area=cv2.contourArea(cnt)#每个矩形框的面积
       if area>areaTHreshold:
           #************************************************
           #moments里包含了许多有用的信息
           M=cv2.moments(cnt)
           cx=int(M['m10']/M['m00'])#计算重心
           cy=int(M['m01']/M['m00'])
           x, y, w, h = cv2.boundingRect(cnt)#x,y为矩形框左上方点的坐标，w为宽，h为高
           new=True
           if cy in range(up_limit,down_limit):
               for i in persons:
                   if abs(cx-i.getX())<=w and abs(cy-i.getY())<=h:
                       new=False
                       i.updateCoords(cx,cy)
                       if i.going_UP(line_down,line_up)==True:
                           # cv2.circle(frame, (cx, cy), 5, line_up_color, -1)
                           # img = cv2.rectangle(frame, (x, y), (x + w, y + h), line_up_color, 2)
                           if w>80:
                               count_in=w/40
                               print("In:执行了/60")
              time.strftime("％c"))
                       elif i.going_DOWN(line_down,line_up)==True:
                           # cv2.circle(frame, (cx, cy), 5, (0, 0, 255), -1)
                           # img = cv2.rectangle(frame, (x, y), (x + w, y + h), line_down_color, 2)
time.strftime("％c"))
                       break
                       #状态为1表明
                   if i.getState() == '1':
                       if i.getDir() == 'down' and i.getY() > down_limit:
                           i.setDone()
                       elif i.getDir() == 'up' and i.getY() < up_limit:
                           i.setDone()
                   if i.timedOut():
                       # 已经记过数且超出边界将其移出persons队列
                       index = persons.index(i)
                       persons.pop(index)
                       del i  # 清楚内存中的第i个人
               if new == True:
                   p = Person.MyPerson(pid, cx, cy, max_p_age)
                   persons.append(p)
                   pid += 1

print("进入的总人数为:")
print(cnt_in)
print("出去的总人数为:")
print(cnt_out)
video.release();
cv2.destroyAllWindows()

3.运行结果如下： 

来源：https://blog.csdn.net/alicema1111/article/details/128407152