基于OpenCV的车辆检测与跟踪

#include <SDKDDKVer.h> #include <stdio.h> #include <tchar.h> #include<iostream> #include<opencv2\opencv.hpp> #include<opencv2\video\background_segm.hpp> using namespace cv; using namespace std; //对轮廓按面积降序排序，目的是去除那些小轮廓目标 bool descSort(vector<Point> p1, vector<Point> p2) { return contourArea(p1) > contourArea(p2); } int main() { //读入视频 VideoCapture capture("E:\\临时\\workspace\\1.avi"); //定义一个Mat变量，用于存储每一帧的图像 Mat frame; //前景 Mat mask; //连通分量 Mat srcImage; //结果 Mat result; //用混合高斯模型训练背景图像 Ptr<BackgroundSubtractorMOG2> bgsubtractor = createBackgroundSubtractorMOG2(); bgsubtractor->setVarThreshold(20); //for (int k = 0; k < 100; k++) //{ // //读取当前帧 // capture >> frame; // //若视频播放完成，退出循环 // if (frame.empty()) // { // break; // } // bgsubtractor->apply(frame, mask, 0.2); //} //imshow("前景训练结果", mask); //循环显示每一帧 while (true) { //读取当前帧 capture >> frame; //若视频播放完成，退出循环 if (frame.empty()) { break; } frame.copyTo(result); //cvtColor(frame, frame, COLOR_GRAY2BGR); bgsubtractor->apply(frame, mask, 0.2); imshow("原视频", frame); //显示当前帧 //waitKey(30); //延时30ms imshow("混合高斯建模", mask); //waitKey(30); //cvtColor(mask, mask, COLOR_GRAY2BGR); //对前景先进行中值滤波，再进行形态学膨胀操作，以去除伪目标和连接断开的小目标 medianBlur(mask, mask, 5); //morphologyEx(mask, mask, MORPH_DILATE, getStructuringElement(MORPH_RECT, Size(5, 5))); //测试：先开运算再闭运算 morphologyEx(mask, mask, MORPH_CLOSE, getStructuringElement(MORPH_RECT, Size(5, 5))); morphologyEx(mask, mask, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(5, 5))); imshow("混合高斯建模", mask); waitKey(30); //拷贝 mask.copyTo(srcImage); //各联通分量的轮廓 //外层vector的size代表了图像中轮廓的个数，里面vector的 size代表了轮廓上点的个数 vector<vector<Point>> contours; //只获取最外轮廓，获取每个轮廓的每个像素，并相邻两个像素位置差不超过1 findContours(srcImage, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE); //测试轮廓获取 imshow("轮廓获取", srcImage); if (contours.size() < 1) continue; //外接矩阵 Rect rct; //对轮廓进行外接矩阵之前先对轮廓按面积降序排序，目的为了去除小目标（伪目标） sort(contours.begin(), contours.end(), descSort); for (int i = 0; i < contours.size(); i++) { //当第i个连通分量的外接矩阵面积小于最大面积的1/6，则认为是伪目标 if (contourArea(contours[i]) < contourArea(contours[0]) / 5) break; //包含轮廓的最小矩阵 rct = boundingRect(contours[i]); rectangle(result, rct, Scalar(0, 255, 0), 2); } imshow("结果", result); } getchar(); return 0; }