OpenCV实现车辆识别和运动目标检测

一：车辆识别成果展示

二：车辆识别超详细步骤解析

步骤一：灰度化处理

灰度处理目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小

效果展示：【避免内存浪费 帧差法对前后帧图像灰度化处理】

//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
   cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理
   cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//后一帧灰度化处理
   //imshow("frontGray",frontGray);//测试
   //imshow("afterGray",afterGray);//测试

 步骤二：帧差处理

帧差处理目的 找到帧与帧之间的差异（正在运动的物体）

效果展示：【运动目标的检测：运动事物显示灰度，静止事物显示黑度】

//2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)
   Mat diff;
   Mat frontGray,afterGray;
   absdiff(frontGray,afterGray,diff);//前后帧对比存于diff中
   imshow("diff",diff);//测试

步骤三：二值化处理

二值化处理 目的 将灰度图继续识别转换为黑白分明的图像

效果展示：【步骤二中运动事物显示灰度，静止事物显示黑度，在这里进行二值化处理，能够黑白分明，便于计算机识别运动目标，如下右图二值化处理后黑白分明】【缺点：存在白色噪点，如下右图除了车辆外后面的背景也显示白度，这就是白色噪点，需要去除】

//3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
   threshold(diff,diff,25,255,CV_THRESH_BINARY);
   imshow("threshold",diff);//测试

步骤四：图像降噪

4-1 腐蚀处理 目的 去除白色噪点

效果展示：【步骤三中存在的白色噪点能够去除，但是在去除白色噪点的同时，也影响了车辆的白度显示，如下右图可以看出，车辆白度显示有所降低，因此还是需要改进】

//4 图像降噪
   //4-1 腐蚀处理 目的 去除白色噪点
   Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
   erode(diff,diff,element);
   imshow("erode",diff);//测试

4-2 膨胀处理 目的 把白色区域变大

效果展示：【如下右图，将车辆形状大致显示，便于框选车辆识别操作】

//4-2 膨胀 目的 把白色区域变大
   Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
   dilate(diff,diff,element2);
   imshow("dilate",diff);//测试

步骤五：提取关键点 框选运动目标检测

效果展示：车辆识别成功

//5 提取关键点
   //5-1 查找特征点
   vector<vector<Point>>contours;
   findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));

//5-2 提取关键点
   vector<vector<Point>>contours_poly(contours.size());
   vector<Rect>boundRect(contours.size());

//5-3 确定下四个点来用于框选目标物体
   int x,y,w,h;
   int num=contours.size();
   for(int i = 0;i < num;i++)
   {
       approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
       //多边拟合
       boundRect[i]=boundingRect(Mat(contours_poly[i]));
       x=boundRect[i].x;
       y=boundRect[i].y;
       w=boundRect[i].width;
       h=boundRect[i].height;
       //绘制矩形
       rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
   }

三：车辆识别完整代码

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

Mat moveCheck(Mat &frontFrame,Mat &afterFrame)
{
   Mat resFrame,diff;
   Mat frontGray,afterGray;

//克隆当前帧画面 返回最终结果
   resFrame = afterFrame.clone();

//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
   cvtColor(frontFrame,frontGray,CV_RGB2GRAY);
   cvtColor(afterFrame,afterGray,CV_RGB2GRAY);

//imshow("frontGray",frontGray);
   //imshow("afterGray",afterGray);

//2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)
   absdiff(frontGray,afterGray,diff);
   //imshow("diff",diff);

//3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
   threshold(diff,diff,25,255,CV_THRESH_BINARY);
   //imshow("threshold",diff);

//4 图像降噪
   //4-1 腐蚀处理 目的 去除白色噪点
   Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
   erode(diff,diff,element);
   //imshow("erode",diff);

//4-2 膨胀 目的 把白色区域变大
   Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
   dilate(diff,diff,element2);
   //imshow("dilate",diff);

//5 提取关键点
   //5-1 查找特征点
   vector<vector<Point>>contours;
   findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));

//5-2 提取关键点
   vector<vector<Point>>contours_poly(contours.size());
   vector<Rect>boundRect(contours.size());

//5-3 确定下四个点来用于框选目标物体
   int x,y,w,h;
   int num=contours.size();
   for(int i = 0;i < num;i++)
   {
       approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
       //多边拟合
       boundRect[i]=boundingRect(Mat(contours_poly[i]));
       x=boundRect[i].x;
       y=boundRect[i].y;
       w=boundRect[i].width;
       h=boundRect[i].height;
       //绘制矩形
       rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
   }

return resFrame;
}

int main(int argc, char *argv[])
{
   Mat frame;
   Mat temp;
   Mat res;
   int count = 0;

VideoCapture cap("D:/00000000000003jieduanshipincailliao/carMove.mp4");//视频路径

while (cap.read(frame))
   {
       count++;
       if(count == 1)
       {
           res = moveCheck(frame,frame);
       }
       else
       {
           res = moveCheck(temp,frame);
       }
       imshow("frame",frame);
       imshow("res",res);//最终车辆识别成果
       temp = frame.clone();
       waitKey(15);
   }
   return 0;
}

当然，夜晚的车辆也能够正常识别

不过，本次的帧差法的车辆识别存在弊端，只要是运动的物体都会识别，比如，博主打开摄像头，动一动手指头，也会被框选识别，因此是有一定弊端的

不过，这种帧差法的运动目标检测，在夜晚监控中是非常广泛地应用到，因为有任何的风吹草动，都会被框选识别。 

来源：https://blog.csdn.net/m0_56051805/article/details/126062172