15. 实例车辆统计

车辆统计项目

1. 整体流程

• 加载视频
• 通过形态学识别车辆
• 对车辆进行统计
• 显示车辆统计信息

2. 关键技术

• 形态学
• 轮廓查找

3. 知识补充

背景减除（Background Subtraction)是许多基于计算机视觉的任务中的主要预处理步骤。如果我们有完整的静止的背景帧，那么我们可以通过帧差法来计算像素差从而获取到前景（Foreground）对象。但是在大多数情况下，我们可能没有这样的图像，所以我们需要我们拥有的任何图像中提取背景。当运动物体有阴影时，由于阴影也在移动，情况会变的更加复杂，为此引入了背景减除算法，通过这一方法，我们能够从视频中分离出运动的物体前景，从而达到目标检测的目的。
BackgroundSubstractorMOG

• 这是一个以混合高斯模型为基础的前景/背景分割算法，在2001年提出；
• 它使用K（K=3或5）个高斯分布混合对背景像素进行建模，使用这些颜色（在整个视频中）存在时间的长短作为混合的权重，背景的颜色一般持续的时间最长，而且更加静止。
• 在编写代码时，我们需要使用函数：cv2.bgsegm.createBackgroundSubstractorMOG()创建一个背景对象，这个函数有些可选参数，比如要进行建模场景的时间长度，高斯混合成分的数量，阈值等，将他们全部设置为默认值，然后再整个视频中我们是需要使用backgroundsubstractor.apply()就可以得到前景的掩模了。

4. 实例代码

import cv2
import numpy as np

# 创建需要使用到的窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL)  # 展示彩色帧效果
cv2.resizeWindow('video', 800, 480)
cv2.namedWindow('video2', cv2.WINDOW_NORMAL)  # 展示帧掩码情况
cv2.resizeWindow('video2', 700, 760)

# 加载车流量视频
cap = cv2.VideoCapture('./car_flow.mp4')

# bgsegm = BackGround Subtractor 高斯混合
mog = cv2.bgsegm.createBackgroundSubtractorMOG()

kernel = np.ones((3, 3), np.uint8)

# 控制车辆的最小值，将识别的小轮廓进行剔除时使用
car_min_height, car_min_width = 30, 50

while True:
    ret, frame_src = cap.read()
    if ret:
        frame = cv2.cvtColor(frame_src, cv2.COLOR_BGR2GRAY)
        # 进行高斯过滤
        frame = cv2.GaussianBlur(frame, ksize=(3, 3), sigmaX=5)
        mask = mog.apply(frame)

        mask2 = cv2.erode(mask, kernel, iterations=1)  # 腐蚀
        mask2 = cv2.dilate(mask2, kernel, iterations=2)  # 膨胀
        # 闭运算
        close_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
        close_result = cv2.morphologyEx(mask2, cv2.MORPH_CLOSE, close_kernel, iterations=3)
        contours, hierarchy = cv2.findContours(close_result, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        # 循环轮廓，将小的轮廓给过滤掉
        for contour in contours:
            (x, y, w, h) = cv2.boundingRect(contour)
            if w < car_min_width or h < car_min_height:
                continue
            cv2.rectangle(frame_src, (int(x), int(y)), (int(x + w), int(y + h)), (0, 0, 255), 2)
        cv2.imshow('video2', np.vstack((mask, close_result)))
        cv2.imshow('video', frame_src)

    key = cv2.waitKey(5)
    if key == 27:
        break

cap.release()
cv2.destroyAllWindows()

• 代码中使用到的视频是通过在网上录下来的，上面没有进行车辆统计

5. 效果图