matlab-基于光流场的交通汽车检测跟踪计数-源码

clc; clear; close all; warning off; addpath(genpath(pwd)); %% 创建视频图像处理对象 videofile = 'viptraffic.avi'; % 获取视频帧信息 info = mmfileinfo(videofile); cols =info.Video.Width; rows = info.Video.Height; % 创建视频系统对象，读取视频文件 hReader = vision.VideoFileReader(videofile,... 'ImageColorSpace', 'RGB',... % GRB彩色空间 'VideoOutputDataType', 'single'); % 视频输出类型 % 创建光流对象用于检测运动方向和速度 % 选择Horn-Schunck或 Lucas-Kanade hFlow = opticalFlowHS; % 创建两个均值对象，用于分析光流矢量 % 等效mean(x(:)) hMean1 = vision.Mean; % 累计平均值，每次输入一个数据，计算所有历史输入的均值 hMean2 = vision.Mean('RunningMean', true); % 创建均值滤波对象，用来移除图像分割产生的噪声 hFilter = fspecial('average', [3 3]); % 创建形态学关闭对象，填充分割以后的汽车孔洞 hClose = strel('line',5,45); % 创建BLOB分析对象，用于从视频中分割汽车 hBlob = vision.BlobAnalysis(... 'CentroidOutputPort', false,... 'AreaOutputPort', true, ... 'BoundingBoxOutputPort', true,... 'OutputDataType', 'double', ... 'MinimumBlobArea', 250,... 'MaximumBlobArea', 3600,... 'MaximumCount', 80); % 创建形态学腐蚀对象，移除不需要的对象 hErode = strel('square',5); % 创建形状嵌入对象，在视频中添加形状，框出汽车边界 hShape1 = vision.ShapeInserter(... 'BorderColor', 'Custom', ... 'CustomBorderColor', [0 1 0]); % 绿色边框 hShape2 = vision.ShapeInserter(... 'Shape','Lines', ... 'BorderColor', 'Custom', ... 'CustomBorderColor', [255 255 0]); % % 创建视频播放对象，用来显示原始视频、运动矢量视频、汽车分割和最终处理结果 sz = get(0,'ScreenSize'); % 获取屏幕像素大小 pos = [(sz(3)-4*(cols+75))/2, (sz(4)-rows)/2 cols+60 rows+80]; % 视频播放器位置 hVideo1 = vision.VideoPlayer('Name','Original Video','Position',pos); pos(1) = pos(1)+cols+75; % 将第2个播放器相对第1个播放器向右移动指定像素 hVideo2 = vision.VideoPlayer('Name','Motion Vector','Position',pos); pos(1) = pos(1)+cols+75; % 将第3个播放器相对第2个播放器向右移动指定像素 hVideo3 = vision.VideoPlayer('Name','Thresholded Video','Position',pos); pos(1) = pos(1)+cols+75; % 将第4个播放器相对第3个播放器向右移动指定像素 hVideo4 = vision.VideoPlayer('Name','Results Video','Position',pos); %% 从视频中检测追踪汽车 % 显示光流矢量的像素点 [xpos,ypos]=meshgrid(1:5:cols,1:5:rows); xpos=xpos(:); ypos=ypos(:); locs=sub2ind([rows,cols],ypos,xpos); % 循环处理视频每一帧，直到文件结束 while ~isDone(hReader) % 暂停0.3s，方便观看 pause(0.3); % 从视频文件中读取视频帧 frame = step(hReader); % 将图像转换为灰度图 gray = rgb2gray(frame); %1 计算光流场矢量，返回一个复数矩阵，分别代表每个像素点u和v flow = estimateFlow(hFlow,gray); % 每隔5行5列选择一个像素点，绘制它的光流图，20表示将光流幅值放大20倍 % lines每行对应一条曲线，分别是第1和2个点的x,y坐标 lines = [xpos, ypos, xpos+20*real(flow.Vx(locs)), ypos+20*imag(flow.Vy(locs))]; % 将光流矢量添加到视频帧上 vector = step(hShape2, frame, lines); %2 光流矢量幅值 magnitude = flow.Magnitude; % 计算光流幅值平均值，表征速度阀值 threshold = 0.5 * step(hMean2, step(hMean1, magnitude)); % 使用阀值分割提取运动对象，然后滤波去噪 carobj = magnitude >= threshold; carobj = imfilter(carobj, hFilter, 'replicate'); % 通过形态学腐蚀去掉道路，然后形态学关闭填补BLOB（汽车）孔洞 carobj = imerode(carobj, hErode); carobj = imclose(carobj, hClose); %3 统计估计BLOB（汽车）对象的面积area和边框bbox=[left,bottom,width,height] [area, bbox] = step(hBlob, carobj); % 只是统计过了杆的汽车，杆位置大约在帧图像的第22行 grow=22; idx = bbox(:,1) > grow; % 计算汽车面积和边框面积的百分比，bbox(k,3)*bbox(k,4)是第k个边框面积 ratio = zeros(length(idx), 1); ratio(idx) = single(area(idx,1))./single(bbox(idx,3).*bbox(idx,4)); % 当面积百分比大于40%时认为是汽车，flag中为1的表示汽车 flag = ratio > 0.4; % 统计视频帧中的汽车数量 count = int32(sum(flag)); bbox(~flag, :) = int32(-1); % 添加汽车边框，用于显示被追踪到的汽车 result = step(hShape1, frame, bbox); % 在处理结果视频帧上添加白色横杆 result(grow:grow+1,:,:) = 1; % 显示汽车数量位置的背景设为黑色 result(1:15,1:30,:) = 0; % 在视频帧添加文本显示汽车数量 result = insertText(result,[1 1],sprintf('%d',count)); %4 显示最后处理结果 step(hVideo1, frame); % 原始的视频帧 step(hVideo2, vector); % 绘制光流矢量 step(hVideo3, carobj); % 阀值分割结果 step(hVideo4, result); % 带框标示汽车 end %% 释放视频对象 release(hReader);