图像处理案例05

1 OpenCV车辆统计

1.1 OpenCV车辆统计步骤

1. 用GMM获取前景掩码
2. 形态学操作除去噪声
3. 获取图像上的轮廓，根据轮廓特征筛选出车辆。
4. 在图片上设置线计数线，对在线临界区域的车辆
   参考项目地址：https://gitcode.com/gh_mirrors/opencv31/opencv

1.2 代码

# 去背景
# 加载视频
import cv2
import numpy as np

cap = cv2.VideoCapture('tracker.mp4')
bgsubmog = cv2.bgsegm.createBackgroundSubtractorMOG()

# 形态学kernel，用于过滤噪声
kernel= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
## 轮廓最小外界矩形的宽高筛选是否是车辆
min_w = 90
min_h = 90
## 存储图片上的车辆
cars = []
# 检测线的高度, 超参数
line_high = 620
## 线的偏移量，即在line_high(+-)区域内的车辆被计数
offset = 7
## 存储车辆数
carno = 0

def center(x, y, w, h):
    '''
    根据车辆外接矩形的左上角坐标（x, y）和宽高（w, h）得出举行的对角线交点（cx, cy），根据（cx, cy）与line_high的关系计数。
    '''
    x1 = int(w/2)
    y1 = int(h/2)
    cx = int(x) + x1
    cy = int(y) + y1
    return cx, cy

while True:
    ret, frame = cap.read()
    
    if ret == True:
        ## 彩色图转灰度图
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        ## 高斯滤波去噪
        blur = cv2.GaussianBlur(gray, (3, 3), 5)
        # 1. 获取前景掩码
        mask = bgsubmog.apply(blur)
        # 2.通过腐蚀操作去掉轮廓小的噪声
        erode = cv2.erode(mask, kernel)
        ## 通过膨胀操作再把保留轮廓还原回来
        dilate = cv2.dilate(erode, kernel, iterations=2)
        
        ## 闭操作, 去掉轮廓内部的噪声
        close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel, iterations=2)
        
        ## 3.查找轮廓，筛选车辆
        result, contours, h = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        ## 画出检测线
        cv2.line(frame, (10, line_high), (1200, line_high), (255, 255, 0), 3)
        ## 画出轮廓
        for (i, c) in enumerate(contours):
            (x, y, w, h) = cv2.boundingRect(c)
            cv2.rectangle(frame, (int(x), int(y)), (int(x + w), int(y + h)), (0, 0, 255), 2)
            
            ## 通过外接矩形的宽高大小来过滤掉小轮廓.保留的轮廓都是车
            is_valid = (w >= min_w) and (h >= min_h)
            if not is_valid:
                continue
         
            ## 获取车轮廓的矩形框
            cv2.rectangle(frame, (int(x), int(y)), (int(x + w), int(y + h)), (0, 0, 255), 2)
            ## 获取车的中心点.
            cpoint = center(x, y, w, h)
            cars.append(cpoint)
            # 画出中心点
            cv2.circle(frame, (cpoint), 5, (0, 0, 255), -1)
            # 4.判断汽车是否过线. 
            for (x, y) in cars:
                if y > (line_high - offset) and y < (line_high + offset):
                    # 计数加1
                    carno += 1
                    cars.remove((x, y))
                    print(carno)
        ## 打印计数信息
        cv2.putText(frame, 'Vehicle Count:' + str(carno), (500, 60), cv2.FONT_HERSHEY_SIMPLEX, 2, (255, 0, 0), 5)
        cv2.imshow('frame', frame)
        
    key = cv2.waitKey(10)
    if key == 'q':
        break
cap.release()
cv2.destroyAllWindows()

2 YOLOV8车流量统计

2.1 YOLOV8车流量统计步骤

1. 读入视频
2. 计数
   （2.1） 导入YOLOv8模型
   （2.2） 设置掩码
   （2.3） 根据掩码获取图像部分区域，送入YOLOV8检测
   （2.4）感兴趣区域送入YOLOV8检测
   （2.5）获取检测框坐标
   （2.6）遍历每个检测框，判断检测框中心是否经过指定区域

2.2 代码

import cv2  # cv2==4.10.0
import numpy as np  # np==1.26.4
from ultralytics import YOLO
import matplotlib.path as mplPath
import matplotlib.pyplot as plt


def get_bboxes(preds: object):
    ''' object为模型输出，获取检测框
    preds[0].boxes.xyxy
    '''
    Boxes = preds[0].boxes
    B = np.array(Boxes.xyxy).astype(int)
    return B


def get_center(bbox):
    '''获取检测框的中心点'''
    center = ((bbox[0] + bbox[2]) // 2, (bbox[1] + bbox[3]) // 2)
    return center


def is_valid_detection(xc, yc):
    '''判断框的中心点是都在POLYGON区域内'''
    return mplPath.Path(POLYGON).contains_point((xc, yc))


## 多边形区域，如果车辆的所在的检测框在POLYGON中，则统计车辆数加一。
POLYGON = np.array([
    [45, 460],
    [830, 460],
    [830, 462],
    [45, 462]
])


def count_cars(cap: object):
    # 2.1 导入YOLOv8模型
    MODEL_NAMES = 'yolov8s.pt'
    model = YOLO(MODEL_NAMES)
    ## car_num存储检测出车辆的数量
    car_num = 0
    ## 2.2 设置掩码，只对图像的mask区域检测车辆、汽车、卡车
    mask = np.zeros([720, 1280], np.uint8)  # frame.shape(720, 1280, 3)
    mask[400:620, 45:825] = 255            # 感兴趣区域设为255，只对感兴趣区域检测

    while cap.isOpened():
        status, frame = cap.read()
        # 2.3 根据掩码获取图像部分区域
        frame_mask = cv2.bitwise_and(frame, frame, mask = mask)

        if not status:
            break
        # 2.4 感兴趣区域送入YOLOV8检测
        preds = model.predict(frame_mask, classes=[2, 5, 7], conf=0.5)  # 'bus':5,'car':2,'truck':7
        # 2.5 获取检测框坐标
        bboxes = get_bboxes(preds)
        ## 2.6 遍历每个检测框，判断检测框中心是否经过指定区域
        for box in bboxes:
             # 检测框中心
            xc, yc = get_center(box)
             # 如果检测框中心在指定区域，car_num累加
            if is_valid_detection(xc, yc):
                car_num += 1

            # 画出每个检测框的中心
            cv2.circle(img=frame, center=(xc, yc), radius=5, color=(0, 255, 0), thickness=-1)
            # 画出检测框
            cv2.rectangle(img=frame, pt1=(box[0], box[1]), pt2=(box[2], box[3]), color=(255, 0, 0), thickness=1)
        # 再图像左上角显示数量数
        cv2.putText(img=frame, text=f"Cars_num: {car_num}", org=(100, 100), fontFace=cv2.FONT_HERSHEY_PLAIN,
                    fontScale=3,
                    color=(0, 0, 255), thickness=3)
        # 画出指定区域，此区域用于车辆计数
        cv2.polylines(img=frame, pts=[POLYGON], isClosed=True, color=(0, 0, 255), thickness=4)
        # 展示画面
        cv2.imshow("frame", frame)
        if cv2.waitKey(10) & 0xFF == ord('q'):
            break
    cap.release()
    cv2.destroyAllWindows()


if __name__ == '__main__':
    # 1. 读入视频
    VIDEO_PATH = "trafic.mp4"
    cap = cv2.VideoCapture(VIDEO_PATH)
    # 2. 计数
    count_cars(cap)

问题：同一车辆会被多次计数，有些检测到的车辆没有被统计，此方法还需改进。