【计算机视觉】opencv-停车位检测原理及代码演示

概述

本文介绍了一种基于OpenCV库的停车场空位检测方法。通过本项目演示,可以对opencv库有更深刻的理解。文章详细阐述了检测原理、算法流程以及代码实现。

一、原理介绍

基于OpenCV的停车位检测原理涉及多个图像处理步骤,以下将结合相关公式详细介绍每个步骤:

1. 图像预处理

a. 灰度化处理

灰度化是图像处理的第一步,它将彩色图像转换为灰度图像,减少后续处理的计算量。灰度化公式如下:

Igray(x,y)=0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)Igray ​(x ,y )=0.299×R (x ,y )+0.587×G (x ,y )+0.114×B (x ,y)

其中,R(x,y)R (x ,y )、G(x,y)G (x ,y )和B(x,y)B (x ,y )分别是图像在点(x,y)(x ,y)处的红色、绿色和蓝色通道值。

b. 高斯模糊

高斯模糊用于减少图像噪声并平滑图像。它通过高斯核与图像卷积实现,公式如下:

Iblur(x,y)=∑i=−nn∑j=−nnw(i,j)×Igray(x+i,y+j)Iblur ​(x ,y )=i =−nnj =−nnw (i ,jIgray ​(x +i ,y +j)

其中,w(i,j)w (i ,j )是高斯分布权重,nn是核大小的一半。

2. 阈值分割

a. 自适应阈值分割

自适应阈值分割根据图像不同区域的光照条件自动调整阈值。公式如下:

Ibin(x,y)={255if Iblur(x,y)>T(x,y)0otherwiseIbin ​(x ,y )={2550​if Iblur ​(x ,y )>T (x ,y)otherwise​

其中,T(x,y)T (x ,y) 是自适应阈值,计算公式为:

T(x,y)=∑i=−kk∑j=−kkIblur(x+i,y+j)(2k+1)2−CT (x ,y )=(2k +1)2∑i =−kk ​∑j =−kkIblur ​(x +i ,y +j )​−C

这里,kk 是局部区域大小的一半,CC是常数,用于调整阈值。

3. 形态学操作

a. 中值滤波

中值滤波是一种非线性数字滤波技术,用于去除图像中的椒盐噪声。它将每个像素值替换为其邻域内的中值。

b. 膨胀操作

膨胀操作用于扩大图像中的前景区域,填充小的孔洞。公式如下:

Idilate(x,y)=max⁡(i,j)∈S(Ibin(x+i,y+j)⊗K)Idilate ​(x ,y )=(i ,j )∈S max​(Ibin ​(x +i ,y +j )⊗K)

其中,SS 是结构元素KK的邻域,⊗⊗表示膨胀操作。

4. 车位检测

车位检测基于上述处理后的二值图像。以下是检测原理:

  • 对于每个停车位的位置(x,y)(x ,y),提取相应大小的区域。
  • 计算该区域的白色像素数量(即前景像素)。
  • 如果白色像素数量低于某个阈值,则认为该车位为空。

最后,在原始视频帧上绘制矩形框来标记空车位,并可以在框内显示文本信息,如"空车位"。 通过以上步骤,OpenCV停车位检测系统能够有效地识别出停车场中的空闲车位。这些步骤结合了图像处理和计算机视觉技术,使得系统能够适应不同的光照条件和环境变化。

二、代码演示

下面是代码的详细解释

import cv2
import pickle
import cvzone
import numpy as np
  • 这些是导入语句,用于引入所需的库。

    • cv2:用于图像处理和计算机视觉。

    • pickle:用于序列化和反序列化Python对象。

    • cvzone:提供一些辅助函数,用于在图像上添加文本等。

    • numpy:用于数值计算。

      cap = cv2.VideoCapture('carPark.mp4')

  • 创建一个VideoCapture对象来读取视频文件。

    • 参数:视频文件的路径。

      with open('CarParkPos', 'rb') as f:
      posList = pickle.load(f)

  • 打开一个包含停车场位置信息的文件,并加载这些位置到posList

    • pickle.load(f):从文件中反序列化对象。

      width, height = 107, 48

  • 定义停车位矩形的宽度和高度。

    def checkParkingSpace(imgPro):
    spaceCounter = 0
    for pos in posList:
    x, y = pos
    imgCrop = imgPro[y:y + height, x:x + width]
    count = cv2.countNonZero(imgCrop)
    if count < 900:
    color = (0, 255, 0) # Green
    thickness = 5
    spaceCounter += 1
    else:
    color = (0, 0, 255) # Red
    thickness = 2
    cv2.rectangle(img, pos, (pos[0] + width, pos[1] + height), color, thickness)
    cvzone.putTextRect(img, str(count), (x, y + height - 3), scale=1, thickness=2, offset=0, colorR=color)
    cvzone.putTextRect(img, f'Free: {spaceCounter}/{len(posList)}', (100, 50), scale=3, thickness=5, offset=20, colorR=(0,200,0))

  • checkParkingSpace函数:检查每个停车位是否被占用。

    • cv2.countNonZero(imgCrop):计算图像中非零像素的数量。

点击【计算机视觉】opencv-停车位检测原理及代码演示可查看全文

相关推荐
牧歌悠悠3 小时前
【深度学习】Unet的基础介绍
人工智能·深度学习·u-net
坚毅不拔的柠檬柠檬3 小时前
AI革命下的多元生态:DeepSeek、ChatGPT、XAI、文心一言与通义千问的行业渗透与场景重构
人工智能·chatgpt·文心一言
坚毅不拔的柠檬柠檬3 小时前
2025:人工智能重构人类文明的新纪元
人工智能·重构
jixunwulian3 小时前
DeepSeek赋能AI边缘计算网关,开启智能新时代!
人工智能·边缘计算
Archie_IT4 小时前
DeepSeek R1/V3满血版——在线体验与API调用
人工智能·深度学习·ai·自然语言处理
大数据追光猿4 小时前
Python应用算法之贪心算法理解和实践
大数据·开发语言·人工智能·python·深度学习·算法·贪心算法
灵感素材坊5 小时前
解锁音乐创作新技能:AI音乐网站的正确使用方式
人工智能·经验分享·音视频
xinxiyinhe5 小时前
如何设置Cursor中.cursorrules文件
人工智能·python
AI服务老曹5 小时前
运用先进的智能算法和优化模型,进行科学合理调度的智慧园区开源了
运维·人工智能·安全·开源·音视频
alphaAIstack6 小时前
大语言模型推理能力从何而来?
人工智能·语言模型·自然语言处理