如何运用OpenCV技术进行车辆检测与实时追踪？

本文共计750个文字，预计阅读时间需要3分钟。

本例展示了如何使用OpenCV实现车辆检测和追踪的整体代码。代码包含以下内容：- 完整源码GitHub链接- 使用高斯混合模型（BackgroundSubtractorMOG2）对背景建模- 提取前景图像- 使用中值滤波去除噪声

python导入OpenCV库import cv2import numpy as np

读取视频文件cap=cv2.VideoCapture('path_to_video.mp4')

创建背景减除器对象fgbg=cv2.createBackgroundSubtractorMOG2()

while True: # 读取一帧视频 ret, frame=cap.read() if not ret: break

# 应用背景减除器 fgmask=fgbg.apply(frame)

# 使用中值滤波去除噪声 fgmask=cv2.medianBlur(fgmask, 5)

# 使用阈值处理二值化前景 _, fgmask=cv2.threshold(fgmask, 250, 255, cv2.THRESH_BINARY)

# 寻找轮廓 contours, _=cv2.findContours(fgmask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓 for contour in contours: # 计算轮廓的面积 area=cv2.contourArea(contour)

# 设置最小和最大面积阈值 if area > 500 and area <5000: # 绘制轮廓 cv2.drawContours(frame, [contour], -1, (0, 255, 0), 2)

# 获取轮廓的边界框 x, y, w, h=cv2.boundingRect(contour)

# 在边界框上绘制矩形 cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 在边界框上显示文本 cv2.putText(frame, 'Car', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

# 显示结果 cv2.imshow('Frame', frame) cv2.imshow('FG Mask', fgmask)

# 按 'q' 键退出 if cv2.waitKey(1) & 0xFF==ord('q'): break

释放视频捕获对象cap.release()

关闭所有窗口cv2.destroyAllWindows()

本文实例为大家分享了OpenCV实现检测和追踪车辆的具体代码，供大家参考，具体内容如下

完整源码GitHub

• 使用高斯混合模型（BackgroundSubtractorMOG2）对背景建模，提取出前景
• 使用中值滤波去掉椒盐噪声，再闭运算和开运算填充空洞
• 使用cvBlob库追踪车辆，我稍微修改了cvBlob源码来通过编译
  

由于要对背景建模，这个方法要求背景是静止的
另外不同车辆白色区域不能连通，否则会认为是同一物体

void processVideo(char* videoFilename) { Mat frame; // current frame Mat fgMaskMOG2; // fg mask fg mask generated by MOG2 method Mat bgImg; // background Ptr<BackgroundSubtractorMOG2> pMOG2 = createBackgroundSubtractorMOG2(200, 36.0, false); // MOG2 Background subtractor while (true) { VideoCapture capture(videoFilename); if (!capture.isOpened()) { cerr << "Unable to open video file: " << videoFilename << endl; return; } int width = (int)capture.get(CV_CAP_PROP_FRAME_WIDTH); int height = (int)capture.get(CV_CAP_PROP_FRAME_HEIGHT); unique_ptr<IplImage, void(*)(IplImage*)> labelImg(cvCreateImage(cvSize(width, height), IPL_DEPTH_LABEL, 1), [](IplImage* p){ cvReleaseImage(&p); }); CvBlobs blobs; CvTracks tracks; while (true) { // read input data. ESC or 'q' for quitting int key = waitKey(1); if (key == 'q' || key == 27) return; if (!capture.read(frame)) break; // update background pMOG2->apply(frame, fgMaskMOG2); pMOG2->getBackgroundImage(bgImg); imshow("BG", bgImg); imshow("Original mask", fgMaskMOG2); // post process medianBlur(fgMaskMOG2, fgMaskMOG2, 5); imshow("medianBlur", fgMaskMOG2); morphologyEx(fgMaskMOG2, fgMaskMOG2, MORPH_CLOSE, getStructuringElement(MORPH_RECT, Size(5, 5))); // fill black holes morphologyEx(fgMaskMOG2, fgMaskMOG2, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(5, 5))); // fill white holes imshow("morphologyEx", fgMaskMOG2); // track cvLabel(&IplImage(fgMaskMOG2), labelImg.get(), blobs); cvFilterByArea(blobs, 64, 10000); cvUpdateTracks(blobs, tracks, 10, 90, 30); cvRenderTracks(tracks, &IplImage(frame), &IplImage(frame)); // show imshow("Frame", frame); key = waitKey(30); } } }

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持自由互联。