基於opencv3.0下的運動車輛檢測

在opencv的初等應用上，對運動物體的識別主要有幀差或背景差兩種方式。

幀差法主要的原理是當前幀與前一幀作差取絕對值；

背景差主要的原理是當前幀與背景幀作差取絕對值；

在識別運動車輛上主要需要以下9個步驟：

（1）讀取幀（VideoCapture,Mat）

（2）ROI選定（Rect） 

（3）平滑處理（GaussianBlur）

（4）灰度處理（cvtColor，CV_RGB2GRAY）

（5）幀差或背景差（absdiff）

（6）二值化（threshold）

（7）膨脹（dilate）

（8）腐蝕（erode）

（9）繪制運動車輛（findContours，rectangle）

（1）讀取幀（外部視頻讀取：Videocapture；幀讀取：Mat）

這個屬於比較基礎的內容這里不做解釋，直接附上源碼：

/******************************************************
函數名稱： MyClass
函數功能： 初始化
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
MyClass::MyClass()
{
    //capture.open("F:/code/vsc++/Car_Find/Car_Find/交大七公里交通監控.avi");
    capture.open("交大七公里交通監控.avi");
    //capture = 0;
    if (!capture.isOpened())//判斷是否打開視頻文件  
    {
        exit(1);
    }
    FPS = capture.get(CV_CAP_PROP_FPS);
}
/******************************************************
函數名稱： ~MyClass
函數功能： 釋放空間
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
MyClass::~MyClass()
{
    capture.release();
}
/******************************************************
函數名稱： play
函數功能： 播放法
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
void MyClass::play(){
    Mat frame;
    namedWindow("播放界面按Esc退出", 0);
    cvResizeWindow("播放界面按Esc退出", 600, 500);
    while (true)
    {
        capture >> frame;
        if (frame.empty())break;
        imshow("播放界面按Esc退出", frame);
        if (waitKey(1000.0 / FPS) == 27)//按原FPS顯示  
        {
            cout << "ESC退出!" << endl;
            break;
        }
    }
}

 

處理結果：

 

（2）ROI選定（Rect）

這里使用Rect進行划ROI（感興趣區域），畫出一個矩陣的ROI。在這里最好的ROI是梯形（減少除了道路外的不必要的干擾）

這里提下做法：做一個灰度的mask（遮罩層），然后調整mask的形狀大小。ps：感興趣的可以做下。

（3）平滑處理（處理方法：GaussianBlur）

這里采用高斯平滑處理，在拍攝視頻的時候會受到電流的干擾，但這個干擾時均勻存在的，所以采用高斯平滑處理可以去除電流的干擾。

方法很簡單，源碼如下：

/******************************************************
函數名稱： getSmooth
函數功能： 平滑處理
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
Mat MyClass::getSmooth(Mat frame)
{
    Mat img;
    GaussianBlur(frame, img, Size(13, 13),2,2);
    return img;
}

 

處理結果：

（4）灰度處理（處理方法：cvtColor；核：CV_RGB2GRAY）

RGB的圖對我們的識別會造成一定的干擾或者說增加處理的難度，這里將原幀轉換為灰度圖像;

在平滑處理 后，直接調用opencv的cvtColor方法：

 

/******************************************************
函數名稱： getGray
函數功能： 灰度處理
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
Mat MyClass::getGray(Mat frame)
{
    Mat img;
    cvtColor(frame, img, CV_RGB2GRAY);
    return img;
}

 

 

處理結果：

（5）幀差或背景差（處理方法：absdiff）

不管是幀差和背景差都是需要獲取當前幀跟對比幀，其中對比幀的獲取和幀的作差是處理的關鍵。

在獲取到處理好的灰度圖在進行幀差處理。

以下為對比幀的獲取 的源碼：

/******************************************************
函數名稱： play
函數功能： 播放幀差法
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
void MyClass::play(){
    Mat frame,preframe,curframe,result;
    namedWindow("播放界面按Esc退出", 0);
    //cvResizeWindow("播放界面按Esc退出", 600, 500);
    while (true)
    {
        capture >> frame;
        if (frame.empty())break;
        if (preframe.empty())preframe = frame.clone();//首幀處理
        curframe = frame.clone();
        imshow("播放界面按Esc退出", frame);
        if (waitKey(1000.0 / FPS) == 27)//按原FPS顯示  
        {
            cout << "ESC退出!" << endl;
            break;
        }
        preframe = frame.clone();//記錄當前幀為下一幀的前幀
    }
}

以下為幀差處理的源碼：

/******************************************************
函數名稱： getDiff
函數功能： 幀差化處理
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
Mat MyClass::getDiff(Mat preframe,Mat frame)
{
    Mat img;
    absdiff(preframe, frame, img);
    return img;
}

 

處理結果：

這里一個車的灰度輪廓已經可以識別出來了，但是我們的目的是將車輛的輪廓識別處理，為了更加精准，去除不必要的干擾，需要下面的處理。

（6）二值化（處理方法：threshold，閾值類型：CV_THRESH_BINARY）

 

 Threshold函數詳解，其中CV_THRESH_BINARY：當前點值大於閾值時，取Maxval,也就是第四個參數，下面再不說明，否則設置為0

由於這些車輛原畫偏暗，這里設定閾值為30，處理當前點值大於閾值時，取白色255。

源碼如下：

/******************************************************
函數名稱： getEz
函數功能： 二值化處理
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
Mat MyClass::getEz(Mat frame)
{
    Mat img;
    threshold(frame, img,30, 255, CV_THRESH_BINARY);
    return img;
}

 

處理結果：

車的黑白輪廓已經顯示出來了，不過這里還不是一塊整體，所以需要進行膨脹處理。

ps：有些博文的處理方式是先腐蝕處理后膨脹處理，這個在一定程度上會消除干擾點。但是這里考慮到車輛中有摩托車，如果先腐蝕處理的話會將摩托車給消除掉，造成識別精度不高。

（7）膨脹（處理方法：dilate）

膨脹的目的在於將一輛車拼合成一塊完整的個體，以達到標識的目的

opencv提供了dilate的方法進行處理，源碼如下：

/******************************************************
函數名稱： getPz
函數功能： 膨脹處理
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
Mat MyClass::getPz(Mat frame)
{
    Mat img;
    Mat element=getStructuringElement(MORPH_RECT, Size(11, 30));
    dilate(frame, img, element);
    return img;
}

 

處理結果：

這時候已經合成一塊了，但是如果旁邊的車靠的太近的話，會導致多輛車黏合成一塊，所以下面做腐蝕處理。

（8）腐蝕（處理方法：erode）

腐蝕的目的在於將因為膨脹而導致的黏合，還有非關鍵點和區域的清除，以達到區分標識的目的。

opencv提供了erode的方法進行處理，源碼如下：

/******************************************************
函數名稱： getFs
函數功能： 腐蝕處理
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
Mat MyClass::getFs(Mat frame)
{
    Mat img;
    Mat element = getStructuringElement(MORPH_RECT, Size(10, 16));
    erode(frame, img, element);
    return img;
}

 

處理結果：

ps：這里截的圖不是很好，看不出效果分離的效果。感興趣的可以下載下源碼去調試。

（9）繪制運動車輛（處理方法：findContours，rectangle）

findContours函數參數詳解

這里需要將車輛的外圍輪廓描繪出來即可，所以findContours采用

mode取值“CV_RETR_EXTERNAL”，method取值“CV_CHAIN_APPROX_NONE”，即只檢測最外層輪廓，並且保存輪廓上所有點；

rectangle的使用並不難，但是這里要注意的是：

a.處理的圖像是原圖像的ROI；

b.findContours輸出的是處理過圖像的坐標位置

所以在使用rectangle的時候，畫區域的時候要加上原來ROI的起始位置的坐標，改成原來圖像的坐標位置。

 

源碼如下：

/******************************************************
函數名稱： Deal
函數功能： ROI區域處理
傳入參數：
返 回 值：
建立時間： 2018-05-17
修改時間：
建 立 人： 
修 改 人：
其它說明：
******************************************************/
Mat MyClass::Deal(Mat preframe, Mat frame)
{
    Mat result = frame.clone();
    Mat curimageROI = preframe(Rect(preframe.cols / 5, preframe.rows / 5, preframe.cols / 1.5, preframe.rows / 1.5));
    Mat preimageROI = frame(Rect(frame.cols / 5, frame.rows / 5, frame.cols / 1.5, frame.rows / 1.5));

    Mat sm_pre, sm_cur;
    sm_pre = getSmooth(preimageROI);
    sm_cur = getSmooth(curimageROI);
    imshow("平滑處理", sm_cur);

    Mat gray_pre, gray_cur;
    gray_pre = getGray(sm_pre);
    gray_cur = getGray(sm_cur);
    imshow("灰度處理",gray_cur);

    Mat diff;
    diff = getDiff(gray_pre, gray_cur);
    imshow("幀差處理",diff);

    Mat ez;
    ez = getEz(diff);
    imshow("二值化處理", ez);

    Mat pz;
    pz = getPz(ez);
    imshow("膨脹處理", pz);

    Mat fs;
    fs = getFs(pz);
    imshow("腐蝕處理", fs);

    vector<vector<Point> > contours;
    findContours(fs, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
    vector<Rect> boundRect(contours.size());
    for (int i = 0; i < contours.size(); i++)
    {
        boundRect[i] = boundingRect(contours[i]);
        rectangle(result, Rect(boundRect[i].x + frame.cols/5, boundRect[i].y + frame.rows/5, boundRect[i].width, boundRect[i].height), Scalar(0, 255, 0), 1);//在result上繪制正外接矩形  
    }
    return result;
}

 

處理結果：

這里效果不是非常好可以勉強識別出車輛輪廓。但作為初級應用是足夠的。

如需要源碼請轉移至碼雲：https://gitee.com/cjqbaba/MediaTest/tree/Car_Find進行源碼克隆下載

如有問題請留言評論。轉載請注明出處，謝謝。