基於OpenCV的車輛檢測與追蹤的實現

      

      最近老師布置了一個作業，是做一個基於視頻的車輛檢測與追蹤，用了大概兩周的時間做了一個簡單的，效果不是很理想，但抑制不住想把自己的一些認識寫下來，這里就把一些網絡上的博客整理一下分享給大家，希望幫助到大家，因為本人也是個小白，所以如果有什么講的不對的地方希望各位看官多指正！

      一、安裝OpenCV和搭建環境

        首先呢，大家得安裝OpenCV，這里網絡上有很多相關的教程，這里就不贅述了！我本人用的是OpenCV3.10+VS2015.

        這里就貼出幾個教程：

        下載地址：http://opencv.org/downloads.html

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

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

        關於其他OpenCV版本的安裝教程網絡上也有很多，這里就只貼出這兩個。

 

        二、關於OpenCV的介紹

   我看還是把網絡上關於這方面好的教程給大家貼出來吧，我怕講不好的話招笑話。

         首先是淺墨大神的系列博客，我基本上就是從大神的博客中學習到的，還有他的《OpenCV3.0編程入門》（強烈推薦！非常通熟易懂！網上一搜即可）

         淺墨OpenCV入門教程

         當然OpenCV中文論壇上的也很好，但是感覺跟淺墨大神的內容差不多

         OpenCV中文論壇教程

         

         三、系統結構設計

    流程圖：

 

          

 

            

          這里可能設計到一些難理解的問題，同樣也貼幾個地址供大家學習：

         混合高斯建模

         BackgroundSubtractorMOG和BackgroundSubtractorMOG2

         源碼如下：

#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;

//對輪廓按面積降序排序，目的是去除那些小輪廓目標
bool descSort(vector<Point> p1, vector<Point> p2) {
    return contourArea(p1) > contourArea(p2);
}


int main() {
    //讀入視頻
    VideoCapture capture("E:\\臨時\\workspace\\1.avi");
    //定義一個Mat變量，用於存儲每一幀的圖像
    Mat frame;
    //前景
    Mat mask;
    //連通分量
    Mat srcImage;
    //結果
    Mat result;

    //用混合高斯模型訓練背景圖像
    Ptr<BackgroundSubtractorMOG2> bgsubtractor = createBackgroundSubtractorMOG2();
    bgsubtractor->setVarThreshold(20);

    //for (int  k = 0; k < 100; k++)
    //{
    //    //讀取當前幀
    //    capture >> frame;
    //    //若視頻播放完成，退出循環
    //    if (frame.empty())
    //    {
    //        break;
    //    }
    //    bgsubtractor->apply(frame, mask, 0.2);
    //}
    //imshow("前景訓練結果", mask);

    //循環顯示每一幀
    while (true)
    {
        
        //讀取當前幀
        capture >> frame;
        //若視頻播放完成，退出循環
        if (frame.empty())
        {
            break;
        }
        frame.copyTo(result);
        //cvtColor(frame, frame, COLOR_GRAY2BGR);
        bgsubtractor->apply(frame, mask, 0.2);

        imshow("原視頻", frame);  //顯示當前幀
        //waitKey(30);  //延時30ms

        imshow("混合高斯建模", mask);
        //waitKey(30);

        //cvtColor(mask, mask, COLOR_GRAY2BGR);
        //對前景先進行中值濾波，再進行形態學膨脹操作，以去除偽目標和連接斷開的小目標
        medianBlur(mask, mask, 5);
        //morphologyEx(mask, mask, MORPH_DILATE, getStructuringElement(MORPH_RECT, Size(5, 5)));

        //測試：先開運算再閉運算
        morphologyEx(mask, mask, MORPH_CLOSE, getStructuringElement(MORPH_RECT, Size(5, 5)));
        morphologyEx(mask, mask, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(5, 5)));
        
        imshow("混合高斯建模", mask);
        waitKey(30);

        //拷貝
        mask.copyTo(srcImage);

        //各聯通分量的輪廓
        //外層vector的size代表了圖像中輪廓的個數，里面vector的 size代表了輪廓上點的個數
        vector<vector<Point>> contours;
        //只獲取最外輪廓，獲取每個輪廓的每個像素，並相鄰兩個像素位置差不超過1
        findContours(srcImage, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

        //測試輪廓獲取
        imshow("輪廓獲取", srcImage);

        if (contours.size() < 1) continue;
        //外接矩陣
        Rect rct;

        //對輪廓進行外接矩陣之前先對輪廓按面積降序排序，目的為了去除小目標（偽目標）
        sort(contours.begin(), contours.end(), descSort);

        for (int i = 0; i < contours.size(); i++)
        {
            //當第i個連通分量的外接矩陣面積小於最大面積的1/6，則認為是偽目標
            if (contourArea(contours[i]) < contourArea(contours[0]) / 5)
                break;
            //包含輪廓的最小矩陣
            rct = boundingRect(contours[i]);
            rectangle(result, rct, Scalar(0, 255, 0), 2);

        }
        imshow("結果", result);
    }
    getchar();
    return 0;
}