图像处理案例05

车辆统计

  • [1 OpenCV车辆统计](#1 OpenCV车辆统计)
    • [1.1 OpenCV车辆统计步骤](#1.1 OpenCV车辆统计步骤)
    • [1.2 代码](#1.2 代码)
  • [2 YOLOV5车流量统计](#2 YOLOV5车流量统计)
    • [2.1 YOLOV5车流量统计步骤](#2.1 YOLOV5车流量统计步骤)
    • [2.2 代码](#2.2 代码)

1 OpenCV车辆统计

1.1 OpenCV车辆统计步骤

  1. 用GMM获取前景掩码
  2. 形态学操作除去噪声
  3. 获取图像上的轮廓,根据轮廓特征筛选出车辆。
  4. 在图片上设置线计数线,对在线临界区域的车辆
    参考项目地址:https://gitcode.com/gh_mirrors/opencv31/opencv

1.2 代码

python 复制代码
# 去背景
# 加载视频
import cv2
import numpy as np

cap = cv2.VideoCapture('tracker.mp4')
bgsubmog = cv2.bgsegm.createBackgroundSubtractorMOG()

# 形态学kernel,用于过滤噪声
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
## 轮廓最小外界矩形的宽高筛选是否是车辆
min_w = 90
min_h = 90
## 存储图片上的车辆
cars = []
# 检测线的高度, 超参数
line_high = 620
## 线的偏移量,即在line_high(+-)区域内的车辆被计数
offset = 7
## 存储车辆数
carno = 0

def center(x, y, w, h):
    '''
    根据车辆外接矩形的左上角坐标(x, y)和宽高(w, h)得出举行的对角线交点(cx, cy),根据(cx, cy)与line_high的关系计数。
    '''
    x1 = int(w/2)
    y1 = int(h/2)
    cx = int(x) + x1
    cy = int(y) + y1
    return cx, cy

while True:
    ret, frame = cap.read()
    
    if ret == True:
        ## 彩色图转灰度图
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        ## 高斯滤波去噪
        blur = cv2.GaussianBlur(gray, (3, 3), 5)
        # 1. 获取前景掩码
        mask = bgsubmog.apply(blur)
        # 2.通过腐蚀操作去掉轮廓小的噪声
        erode = cv2.erode(mask, kernel)
        ## 通过膨胀操作再把保留轮廓还原回来
        dilate = cv2.dilate(erode, kernel, iterations=2)
        
        ## 闭操作, 去掉轮廓内部的噪声
        close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel, iterations=2)
        
        ## 3.查找轮廓,筛选车辆
        result, contours, h = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        ## 画出检测线
        cv2.line(frame, (10, line_high), (1200, line_high), (255, 255, 0), 3)
        ## 画出轮廓
        for (i, c) in enumerate(contours):
            (x, y, w, h) = cv2.boundingRect(c)
            cv2.rectangle(frame, (int(x), int(y)), (int(x + w), int(y + h)), (0, 0, 255), 2)
            
            ## 通过外接矩形的宽高大小来过滤掉小轮廓.保留的轮廓都是车
            is_valid = (w >= min_w) and (h >= min_h)
            if not is_valid:
                continue
         
            ## 获取车轮廓的矩形框
            cv2.rectangle(frame, (int(x), int(y)), (int(x + w), int(y + h)), (0, 0, 255), 2)
            ## 获取车的中心点.
            cpoint = center(x, y, w, h)
            cars.append(cpoint)
            # 画出中心点
            cv2.circle(frame, (cpoint), 5, (0, 0, 255), -1)
            # 4.判断汽车是否过线. 
            for (x, y) in cars:
                if y > (line_high - offset) and y < (line_high + offset):
                    # 计数加1
                    carno += 1
                    cars.remove((x, y))
                    print(carno)
        ## 打印计数信息
        cv2.putText(frame, 'Vehicle Count:' + str(carno), (500, 60), cv2.FONT_HERSHEY_SIMPLEX, 2, (255, 0, 0), 5)
        cv2.imshow('frame', frame)
        
    key = cv2.waitKey(10)
    if key == 'q':
        break
cap.release()
cv2.destroyAllWindows()

2 YOLOV5车流量统计

2.1 YOLOV5车流量统计步骤

2.2 代码

python 复制代码
相关推荐
却道天凉_好个秋10 分钟前
深度学习(二):神经元与神经网络
人工智能·神经网络·计算机视觉·神经元
UQI-LIUWJ11 分钟前
unsloth笔记:运行&微调 gemma
人工智能·笔记·深度学习
THMAIL14 分钟前
深度学习从入门到精通 - 生成对抗网络(GAN)实战:创造逼真图像的魔法艺术
人工智能·python·深度学习·神经网络·机器学习·生成对抗网络·cnn
却道天凉_好个秋16 分钟前
计算机视觉(八):开运算和闭运算
人工智能·计算机视觉·开运算与闭运算
无风听海17 分钟前
神经网络之深入理解偏置
人工智能·神经网络·机器学习·偏置
JoinApper18 分钟前
目标检测系列-Yolov5下载及运行
人工智能·yolo·目标检测
飞哥数智坊1 小时前
即梦4.0实测:我真想对PS说“拜拜”了!
人工智能
fantasy_arch1 小时前
9.3深度循环神经网络
人工智能·rnn·深度学习
Ai工具分享1 小时前
视频画质差怎么办?AI优化视频清晰度技术原理与实战应用
人工智能·音视频
新智元1 小时前
不到 10 天,国产「香蕉」突袭!一次 7 图逼真还原,合成大法惊呆歪果仁
人工智能·openai