OpenCV實現車輛識別和運動目標檢測

Posted on by

一：車輛識別成果展示

二：車輛識別超詳細步驟解析

步驟一：灰度化處理

灰度處理目的 RGB三通道轉灰度單通道 壓縮到原圖片三分之一大小

效果展示：【避免內存浪費 幀差法對前後幀圖像灰度化處理】

//1 灰度處理 目的 RGB三通道轉灰度單通道 壓縮到原圖片三分之一大小
    cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一幀灰度化處理
    cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//後一幀灰度化處理
    //imshow("frontGray",frontGray);//測試
    //imshow("afterGray",afterGray);//測試

 步驟二：幀差處理

幀差處理目的 找到幀與幀之間的差異（正在運動的物體）

效果展示：【運動目標的檢測：運動事物顯示灰度，靜止事物顯示黑度】

 //2 幀差處理 目的 找到幀與幀之間的差異(正在運動的物體)
    Mat diff;
    Mat frontGray,afterGray;
    absdiff(frontGray,afterGray,diff);//前後幀對比存於diff中
    imshow("diff",diff);//測試

步驟三：二值化處理

二值化處理 目的 將灰度圖繼續識別轉換為黑白分明的圖像

效果展示：【步驟二中運動事物顯示灰度，靜止事物顯示黑度，在這裡進行二值化處理，能夠黑白分明，便於計算機識別運動目標，如下右圖二值化處理後黑白分明】【缺點：存在白色噪點，如下右圖除瞭車輛外後面的背景也顯示白度，這就是白色噪點，需要去除】

    //3 二值化處理 目的 將灰度圖繼續識別轉換為黑白分明的圖像
    threshold(diff,diff,25,255,CV_THRESH_BINARY);
    imshow("threshold",diff);//測試

步驟四：圖像降噪

4-1 腐蝕處理 目的 去除白色噪點

效果展示：【步驟三中存在的白色噪點能夠去除，但是在去除白色噪點的同時，也影響瞭車輛的白度顯示，如下右圖可以看出，車輛白度顯示有所降低，因此還是需要改進】

    //4 圖像降噪
    //4-1 腐蝕處理 目的 去除白色噪點
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小於3*3方塊的白色噪點都會被腐蝕
    erode(diff,diff,element);
    imshow("erode",diff);//測試

4-2 膨脹處理 目的 把白色區域變大

效果展示：【如下右圖，將車輛形狀大致顯示，便於框選車輛識別操作】

    //4-2 膨脹 目的 把白色區域變大
    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
    dilate(diff,diff,element2);
    imshow("dilate",diff);//測試

步驟五：提取關鍵點 框選運動目標檢測

效果展示：車輛識別成功

    //5 提取關鍵點
    //5-1 查找特征點
    vector<vector<Point>>contours;
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
 
    //5-2 提取關鍵點
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());
 
    //5-3 確定下四個點來用於框選目標物體
    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);
        //多邊擬合
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //繪制矩形
        rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
    }

三：車輛識別完整代碼

#include <iostream>
#include <opencv2/opencv.hpp>
 
using namespace std;
using namespace cv;
 
Mat moveCheck(Mat &frontFrame,Mat &afterFrame)
{
    Mat resFrame,diff;
    Mat frontGray,afterGray;
 
    //克隆當前幀畫面 返回最終結果
    resFrame = afterFrame.clone();
 
    //1 灰度處理 目的 RGB三通道轉灰度單通道 壓縮到原圖片三分之一大小
    cvtColor(frontFrame,frontGray,CV_RGB2GRAY);
    cvtColor(afterFrame,afterGray,CV_RGB2GRAY);
 
    //imshow("frontGray",frontGray);
    //imshow("afterGray",afterGray);
 
    //2 幀差處理 目的 找到幀與幀之間的差異(正在運動的物體)
    absdiff(frontGray,afterGray,diff);
    //imshow("diff",diff);
 
    //3 二值化處理 目的 將灰度圖繼續識別轉換為黑白分明的圖像
    threshold(diff,diff,25,255,CV_THRESH_BINARY);
    //imshow("threshold",diff);
 
    //4 圖像降噪
    //4-1 腐蝕處理 目的 去除白色噪點
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小於3*3方塊的白色噪點都會被腐蝕
    erode(diff,diff,element);
    //imshow("erode",diff);
 
    //4-2 膨脹 目的 把白色區域變大
    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
    dilate(diff,diff,element2);
    //imshow("dilate",diff);
 
    //5 提取關鍵點
    //5-1 查找特征點
    vector<vector<Point>>contours;
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
 
    //5-2 提取關鍵點
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());
 
    //5-3 確定下四個點來用於框選目標物體
    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);
        //多邊擬合
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //繪制矩形
        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");//視頻路徑
 
    while (cap.read(frame))
    {
        count++;
        if(count == 1)
        {
            res = moveCheck(frame,frame);
        }
        else
        {
            res = moveCheck(temp,frame);
        }
        imshow("frame",frame);
        imshow("res",res);//最終車輛識別成果
        temp = frame.clone();
        waitKey(15);
    }
    return 0;
}

當然，夜晚的車輛也能夠正常識別

不過，本次的幀差法的車輛識別存在弊端，隻要是運動的物體都會識別，比如，博主打開攝像頭，動一動手指頭，也會被框選識別，因此是有一定弊端的

不過，這種幀差法的運動目標檢測，在夜晚監控中是非常廣泛地應用到，因為有任何的風吹草動，都會被框選識別。 

到此這篇關於OpenCV實現車輛識別和運動目標檢測的文章就介紹到這瞭,更多相關OpenCV車輛識別和運動目標檢測內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：