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。
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）
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
三、系统结构设计
流程图：
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：
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 ;
}