一、實驗目的

用OpenCV編寫一個車輛計數程序，強化對課堂講授內容如圖像腐蝕、輪廓提取、邊緣檢測、視頻讀寫等知識的深入理解和靈活應用。

二、實驗要求

1、用OpenCV編寫一個車輛計數程序，對一段視頻里道路上的來往車輛進行計數統計，要求避免同一車輛重復統計，并盡量避免漏檢、錯檢；
2、認真撰寫實驗報告，要求說明實驗原理，對實驗過程敘述清楚，關鍵代碼給出注釋，對實驗結果給出合理解釋，實驗分析部分則需要指出實驗結果優劣的原因以及如何進一步提高實驗性能的方法或手段。
3、利用python版的OpenCV編寫代碼。

三、實驗過程

import cv2 import numpy as npmin_w = 90 min_h = 90#檢測線的高度 line_high = 550#線的偏移 offset = 7#統計車的數量 carno =0#存放有效車輛的數組 cars = []def center(x, y, w, h): #計算矩陣中心點x1 = int(w/2)y1 = int(h/2)cx = x + x1cy = y + y1return cx, cycap = cv2.VideoCapture('video.mp4')bgsubmog =cv2.createBackgroundSubtractorMOG2() #去背景 #形態學kernel kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))while True:ret, frame = cap.read()if(ret == True): #灰度frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)#去噪（高斯）blur = cv2.GaussianBlur(frame, (3,3), 5)#去背影mask = bgsubmog.apply(blur)#腐蝕， 去掉圖中小斑塊erode = cv2.erode(mask, kernel) #膨脹， 還原放大dilate = cv2.dilate(erode, kernel, iterations = 3)#閉操作，去掉物體內部的小塊close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel)close = cv2.morphologyEx(close, cv2.MORPH_CLOSE, kernel)cnts, h = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)#畫一條檢測線cv2.line(frame, (10, line_high), (1200, line_high), (255, 255, 0), 3)for (i, c) in enumerate(cnts):(x,y,w,h) = cv2.boundingRect(c)#對車輛的寬高進行判斷#以驗證是否是有效的車輛isValid = ( w >= min_w ) and ( h >= min_h) if( not isValid):continue#到這里都是有效的車 cv2.rectangle(frame, (x, y), (x+w, y+h), (0,0,255), 2)cpoint = center(x, y, w, h)cars.append(cpoint) cv2.circle(frame, (cpoint), 5, (0,0,255), -1)for (x, y) in cars:if( (y > line_high - offset) and (y < line_high + offset ) ):carno +=1cars.remove((x , y ))print(carno)cv2.putText(frame, "Cars Count:" + str(carno), (500, 60), cv2.FONT_HERSHEY_SIMPLEX, 2, (255,0,0), 5)cv2.imshow('video', frame)#cv2.imshow('erode', close)key = cv2.waitKey(1)if(key == 27):breakcap.release() cv2.destroyAllWindows()

四、實驗結果

實驗結果如圖所示，按Esc鍵退出。

五、實驗分析

1.本實驗很好的結合并運用了之前博客講述的openCV基礎知識。從而實現道路車流量計數，如圖像的灰度圖，圖像的去噪，圖像處理kernel的構建，圖像腐蝕，圖像膨脹，圖像閉操作、圖像背景消除等。
2.具體實現是根據估計定義汽車選框的大小，先去除視頻中的背景去除，然后逐幀讀取視頻，轉化為灰度圖，并找出連續幾幀中通過檢測線的物體，并將其框起來，再通過根據物體的尺寸大小判斷是否是汽車，如果是計數加一，否則不加以計數。
3.但根據實際代碼跑的情況來看，效果并不是太好，代碼還不夠完善，算法還有很大優化空間，比如對于摩托車算法有時也會計算出來，多個汽車在一起會導致計數錯誤。具體改進可以加入深度學習技術加入對汽車形體的識別，以及對汽車陰影的去除，從而提高技術的精確度。后續可能會更新加入深度學習技術的代碼，盡情期待。

圖像的灰度圖在之前博客openCV基礎知識（三）具體說明，鏈接為：https://blog.csdn.net/qq_26274961/article/details/121617487
圖像的去噪在之前博客openCV基礎知識（五）具體說明，鏈接為：
https://blog.csdn.net/qq_26274961/article/details/121621414
圖像處理kernel的構建，圖像腐蝕，圖像膨脹，圖像閉操作等圖像的數學形態學在之前博客openCV基礎知識（六）具體說明，鏈接為：https://blog.csdn.net/qq_26274961/article/details/121641637
圖像背景消除在之前博客openCV基礎知識（八）具體說明，鏈接為：https://blog.csdn.net/qq_26274961/article/details/121731186

六、代碼文件

小程序員將代碼文件和相關素材整理到了百度網盤里，因為文件大小基本不大，大家也不用擔心限速問題。后期小程序員有能力的話，將在gitee或者github上上傳相關素材。
鏈接：https://pan.baidu.com/s/1Ce14ZQYEYWJxhpNEP1ERhg?pwd=7mvf
提取碼：7mvf

總結

以上是生活随笔為你收集整理的机器视觉实验二：道路车流量计数实验（OpenCV-python代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。