基於OpenCV的車輛檢測與追蹤的實現

一、安裝opencv和搭建環境

這裡就貼出幾個教程：

安裝教程：

關於其他opencv版本的安裝教程網路上也有很多，這裡就只貼出這兩個。

二、關於opencv的介紹

我看還是把網路上關於這方面好的教程給大家貼出來吧，我怕講不好的話招笑話

首先是淺墨大神的系列部落格，我基本上就是從大神的部落格中學習到的，還有他的《opencv3.0程式設計入門》（強烈推薦！非常通熟易懂！網上一搜即可）

淺墨opencv入門教程

當然opencv中文論壇上的也很好，但是感覺跟淺墨大神的內容差不多

opencv中文論壇教程

三、系統結構設計

流程圖：

混合高斯建模

backgroundsubtractormog和backgroundsubtractormog2

原始碼如下：

#include #include #include #include#include#includeusing namespace cv;

using namespace std;
//對輪廓按面積降序排序，目的是去除那些小輪廓目標
bool descsort(vectorp1, vectorp2) 
int main() 
//}//imshow("前景訓練結果", mask);
//迴圈顯示每一幀
while (true)
frame.copyto(result);
//cvtcolor(frame, frame, color_gray2bgr);
//waitkey(30);  //延時30ms
imshow("混合高斯建模", mask);
//waitkey(30);
//cvtcolor(mask, mask, color_gray2bgr);
//對前景先進行中值濾波，再進行形態學膨脹操作，以去除偽目標和連線斷開的小目標
medianblur(mask, mask, 5);
//morphologyex(mask, mask, morph_dilate, getstructuringelement(morph_rect, size(5, 5)));
//測試：先開運算再閉運算
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);
//拷貝
mask.copyto(srcimage);
//各聯通分量的輪廓
//外層vector的size代表了影象中輪廓的個數，裡面vector的 size代表了輪廓上點的個數
vector> contours;
//只獲取最外輪廓，獲取每個輪廓的每個畫素，並相鄰兩個畫素位置差不超過1
//測試輪廓獲取
imshow("輪廓獲取", srcimage);
if (contours.size() < 1) continue;
//外接矩陣
rect rct;
//對輪廓進行外接矩陣之前先對輪廓按面積降序排序，目的為了去除小目標（偽目標）
sort(contours.begin(), contours.end(), descsort);
for (int i = 0; i < contours.size(); i++)
imshow("結果", result);
}	getchar();
return 0;
}

基於OpenCV的車輛檢測與追蹤的實現

一 安裝opencv和搭建環境 這裡就貼出幾個教程 安裝教程 關於其他opencv版本的安裝教程網路上也有很多，這裡就只貼出這兩個。二 關於opencv的介紹 我看還是把網路上關於這方面好的教程給大家貼出來吧，我怕講不好的話招笑話 首先是淺墨大神的系列部落格，我基本上就是從大神的部落格中學習到的，還...

基於Python的OpenCV人臉檢測

注意 本文只是人臉檢測，人臉識別的實現請參見本人另一篇部落格 基於opencv tensorflow keras實現人臉識別 提前做的準備 1 和說明 import cv2 as cv import numpy as np defface detect demo 人臉檢測函式 gray cv.cvt...

基於OpenCV的多目標動態檢測與跟蹤

1 源 include stdafx.h include include include include include include include include include include include 跟蹤引數 const double mhi duration 0.5 最大跟蹤時間...