基于OpenCV的车辆检测与追踪的实现

最近老师布置了一个作业,是做一个基于视频的车辆检测与追踪,用了大概两周的时间做了一个简单的,效果不是很理想,但抑制不住想把自己的一些认识写下来,这里就把一些网络上的博客整理一下分享给大家,希望帮助到大家,因为本人也是个小白,所以如果有什么讲的不对的地方希望各位看官多指正!

一、安装OpenCV和搭建环境

首先呢,大家得安装OpenCV,这里网络上有很多相关的教程,这里就不赘述了!我本人用的是OpenCV3.10+VS2015.

这里就贴出几个教程:

下载地址:http://opencv.org/downloads.html

安装教程:http://www.cnblogs.com/sopic/p/5265836.html(OpenCV3.0+VS2015)

http://blog.csdn.net/hustlx/article/details/50974336(OpenCV3.10+VS2015)

关于其他OpenCV版本的安装教程网络上也有很多,这里就只贴出这两个。

二、关于OpenCV的介绍

我看还是把网络上关于这方面好的教程给大家贴出来吧,我怕讲不好的话招笑话基于OpenCV的车辆检测与追踪的实现

首先是浅墨大神的系列博客,我基本上就是从大神的博客中学习到的,还有他的《OpenCV3.0编程入门》(强烈推荐!非常通熟易懂!网上一搜即可)

浅墨OpenCV入门教程

当然OpenCV中文论坛上的也很好,但是感觉跟浅墨大神的内容差不多

OpenCV中文论坛教程

三、系统结构设计

流程图:基于OpenCV的车辆检测与追踪的实现

基于OpenCV的车辆检测与追踪的实现

这里可能设计到一些难理解的问题,同样也贴几个地址供大家学习:

混合高斯建模

BackgroundSubtractorMOG和BackgroundSubtractorMOG2

源码如下:

 #include <SDKDDKVer.h>
#include <stdio.h>
#include <tchar.h>
#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\video\background_segm.hpp> using namespace cv;
using namespace std; //对轮廓按面积降序排序,目的是去除那些小轮廓目标
bool descSort(vector<Point> p1, vector<Point> p2) {
return contourArea(p1) > contourArea(p2);
} int main() {
//读入视频
VideoCapture capture("E:\\临时\\workspace\\1.avi");
//定义一个Mat变量,用于存储每一帧的图像
Mat frame;
//前景
Mat mask;
//连通分量
Mat srcImage;
//结果
Mat result; //用混合高斯模型训练背景图像
Ptr<BackgroundSubtractorMOG2> bgsubtractor = createBackgroundSubtractorMOG2();
bgsubtractor->setVarThreshold(); //for (int k = 0; k < 100; k++)
//{
// //读取当前帧
// capture >> frame;
// //若视频播放完成,退出循环
// if (frame.empty())
// {
// break;
// }
// bgsubtractor->apply(frame, mask, 0.2);
//}
//imshow("前景训练结果", mask); //循环显示每一帧
while (true)
{ //读取当前帧
capture >> frame;
//若视频播放完成,退出循环
if (frame.empty())
{
break;
}
frame.copyTo(result);
//cvtColor(frame, frame, COLOR_GRAY2BGR);
bgsubtractor->apply(frame, mask, 0.2); imshow("原视频", frame); //显示当前帧
//waitKey(30); //延时30ms imshow("混合高斯建模", mask);
//waitKey(30); //cvtColor(mask, mask, COLOR_GRAY2BGR);
//对前景先进行中值滤波,再进行形态学膨胀操作,以去除伪目标和连接断开的小目标
medianBlur(mask, mask, );
//morphologyEx(mask, mask, MORPH_DILATE, getStructuringElement(MORPH_RECT, Size(5, 5))); //测试:先开运算再闭运算
morphologyEx(mask, mask, MORPH_CLOSE, getStructuringElement(MORPH_RECT, Size(, )));
morphologyEx(mask, mask, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(, ))); imshow("混合高斯建模", mask);
waitKey(); //拷贝
mask.copyTo(srcImage); //各联通分量的轮廓
//外层vector的size代表了图像中轮廓的个数,里面vector的 size代表了轮廓上点的个数
vector<vector<Point>> contours;
//只获取最外轮廓,获取每个轮廓的每个像素,并相邻两个像素位置差不超过1
findContours(srcImage, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE); //测试轮廓获取
imshow("轮廓获取", srcImage); if (contours.size() < ) continue;
//外接矩阵
Rect rct; //对轮廓进行外接矩阵之前先对轮廓按面积降序排序,目的为了去除小目标(伪目标)
sort(contours.begin(), contours.end(), descSort); for (int i = ; i < contours.size(); i++)
{
//当第i个连通分量的外接矩阵面积小于最大面积的1/6,则认为是伪目标
if (contourArea(contours[i]) < contourArea(contours[]) / )
break;
//包含轮廓的最小矩阵
rct = boundingRect(contours[i]);
rectangle(result, rct, Scalar(, , ), ); }
imshow("结果", result);
}
getchar();
return ;
}
上一篇:Docker系列(八)Kubernetes介绍


下一篇:Windows 下 docker 部署 gitlab ci