本篇内容介绍了“OpenCV如何实现车辆识别和运动目标检测”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
灰度处理目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
效果展示:【避免内存浪费 帧差法对前后帧图像灰度化处理】
//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小 cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理 cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//后一帧灰度化处理 //imshow("frontGray",frontGray);//测试 //imshow("afterGray",afterGray);//测试
帧差处理目的 找到帧与帧之间的差异(正在运动的物体)
效果展示:【运动目标的检测:运动事物显示灰度,静止事物显示黑度】
//2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体) Mat diff; Mat frontGray,afterGray; absdiff(frontGray,afterGray,diff);//前后帧对比存于diff中 imshow("diff",diff);//测试
二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
效果展示:【步骤二中运动事物显示灰度,静止事物显示黑度,在这里进行二值化处理,能够黑白分明,便于计算机识别运动目标,如下右图二值化处理后黑白分明】【缺点:存在白色噪点,如下右图除了车辆外后面的背景也显示白度,这就是白色噪点,需要去除】
//3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像 threshold(diff,diff,25,255,CV_THRESH_BINARY); imshow("threshold",diff);//测试
4-1 腐蚀处理 目的 去除白色噪点
效果展示:【步骤三中存在的白色噪点能够去除,但是在去除白色噪点的同时,也影响了车辆的白度显示,如下右图可以看出,车辆白度显示有所降低,因此还是需要改进】
//4 图像降噪 //4-1 腐蚀处理 目的 去除白色噪点 Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀 erode(diff,diff,element); imshow("erode",diff);//测试
4-2 膨胀处理 目的 把白色区域变大
效果展示:【如下右图,将车辆形状大致显示,便于框选车辆识别操作】
//4-2 膨胀 目的 把白色区域变大 Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20)); dilate(diff,diff,element2); imshow("dilate",diff);//测试
效果展示:车辆识别成功
//5 提取关键点 //5-1 查找特征点 vector<vector<Point>>contours; findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0)); //5-2 提取关键点 vector<vector<Point>>contours_poly(contours.size()); vector<Rect>boundRect(contours.size()); //5-3 确定下四个点来用于框选目标物体 int x,y,w,h; int num=contours.size(); for(int i = 0;i < num;i++) { approxPolyDP(Mat(contours[i]),contours_poly[i],3,true); //多边拟合 boundRect[i]=boundingRect(Mat(contours_poly[i])); x=boundRect[i].x; y=boundRect[i].y; w=boundRect[i].width; h=boundRect[i].height; //绘制矩形 rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2); }
#include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; Mat moveCheck(Mat &frontFrame,Mat &afterFrame) { Mat resFrame,diff; Mat frontGray,afterGray; //克隆当前帧画面 返回最终结果 resFrame = afterFrame.clone(); //1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小 cvtColor(frontFrame,frontGray,CV_RGB2GRAY); cvtColor(afterFrame,afterGray,CV_RGB2GRAY); //imshow("frontGray",frontGray); //imshow("afterGray",afterGray); //2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体) absdiff(frontGray,afterGray,diff); //imshow("diff",diff); //3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像 threshold(diff,diff,25,255,CV_THRESH_BINARY); //imshow("threshold",diff); //4 图像降噪 //4-1 腐蚀处理 目的 去除白色噪点 Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀 erode(diff,diff,element); //imshow("erode",diff); //4-2 膨胀 目的 把白色区域变大 Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20)); dilate(diff,diff,element2); //imshow("dilate",diff); //5 提取关键点 //5-1 查找特征点 vector<vector<Point>>contours; findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0)); //5-2 提取关键点 vector<vector<Point>>contours_poly(contours.size()); vector<Rect>boundRect(contours.size()); //5-3 确定下四个点来用于框选目标物体 int x,y,w,h; int num=contours.size(); for(int i = 0;i < num;i++) { approxPolyDP(Mat(contours[i]),contours_poly[i],3,true); //多边拟合 boundRect[i]=boundingRect(Mat(contours_poly[i])); x=boundRect[i].x; y=boundRect[i].y; w=boundRect[i].width; h=boundRect[i].height; //绘制矩形 rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2); } return resFrame; } int main(int argc, char *argv[]) { Mat frame; Mat temp; Mat res; int count = 0; VideoCapture cap("D:/00000000000003jieduanshipincailliao/carMove.mp4");//视频路径 while (cap.read(frame)) { count++; if(count == 1) { res = moveCheck(frame,frame); } else { res = moveCheck(temp,frame); } imshow("frame",frame); imshow("res",res);//最终车辆识别成果 temp = frame.clone(); waitKey(15); } return 0; }
当然,夜晚的车辆也能够正常识别
不过,本次的帧差法的车辆识别存在弊端,只要是运动的物体都会识别,比如,博主打开摄像头,动一动手指头,也会被框选识别,因此是有一定弊端的
“OpenCV如何实现车辆识别和运动目标检测”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。