欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python中使用Opencv開(kāi)發(fā)停車(chē)位計(jì)數(shù)器功能

 更新時(shí)間：2022年04月04日 11:43:48   作者：@BangBang  
這篇文章主要介紹了Python中使用Opencv開(kāi)發(fā)停車(chē)位計(jì)數(shù)器,本教程最好的一點(diǎn)就是我們將使用基本的圖像處理技術(shù)來(lái)解決這個(gè)問(wèn)題,沒(méi)有使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)進(jìn)行訓(xùn)練來(lái)識(shí)別，感興趣的朋友跟隨小編一起看看吧

在這個(gè)項(xiàng)目中，我們將創(chuàng)建一個(gè)停車(chē)位計(jì)數(shù)器。我們會(huì)發(fā)現(xiàn)總共有多少輛車(chē)，以及有多少停車(chē)位是空的。關(guān)于本教程最好的一點(diǎn)是，我們將使用基本的圖像處理技術(shù)來(lái)解決這個(gè)問(wèn)題,沒(méi)有使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)進(jìn)行訓(xùn)練來(lái)識(shí)別。

1. 環(huán)境安裝

1.1 安裝并激活虛擬環(huán)境

python -m venv venv
cd venv\Scripts
.\activate.bat

1.2 python包安裝

pip install opencv-python

2. 繪制停車(chē)位矩形框

2.1 導(dǎo)入停車(chē)場(chǎng)圖片

import cv2
import pickle
img=cv2.imread('carParkImg.png')
cv2.imshow("image",img)

2.2 繪制矩形框 定位停車(chē)位

import cv2
import pickle
img=cv2.imread('carParkImg.png')
cv2.rectangle(img,(50,192),(157,240),(255,0,255),2)  #坐標(biāo)位置可以多次嘗試確定
cv2.imshow("image",img)
cv2.waitKey(0)

可以看出，每個(gè)停車(chē)位的估計(jì)寬、高為:

width=107  # 157-102
height = 48 # 240 - 192

2.3 鼠標(biāo)添加、刪除停車(chē)位

import cv2
import pickle
img=cv2.imread('carParkImg.png')
width,height = 107,48
posList = []   # 鼠標(biāo)點(diǎn)擊的坐標(biāo)集合
def mouseClick(events,x,y,flags,params):
	if events == cv2.EVENT_LBUTTONDOWN:
		posList.append((x,y))
while True:
	img = cv2.imread("carParkImg.png")
	cv2.imshow("images",img)
	for pos in posList:
		cv2.rectangle(img,pos,(pos[0]+width,pos[1]+height),(255,0,255),2)  #坐標(biāo)位置可以多次嘗試確定
	cv2.imshow("image",img)
	cv2.setMouseCallback("images",mouseClick)
	if cv2.waitKey(10) & 0xFF== ord('q'):
		break

通過(guò)鼠標(biāo)點(diǎn)擊在任何位置添加矩形框，但當(dāng)矩形框位置出錯(cuò)時(shí)，無(wú)法進(jìn)行刪除。因此通過(guò)添加鼠標(biāo)右鍵的事件，刪除錯(cuò)誤的矩形框。

def mouseClick(events,x,y,flags,params):
	if events == cv2.EVENT_LBUTTONDOWN:
		posList.append((x,y))
	if events == cv2.EVENT_RBUTTONDOWN:
		for i,pos in enumerate(posList):
			x1,y1=pos
		if x1 < x < x1 +width and y1 < y <y1 +height:
			posList.pop(i)

通過(guò)pickle.dump()保持保存鼠標(biāo)點(diǎn)擊的位置信息。

with open('CarParkPos','wb') as f:
	pickle.dump(posList,f)

通過(guò)pickle.load()加載保存好的位置信息，即在原有的停車(chē)位添加或刪除停車(chē)位，而不是每一幀畫(huà)面重新繪制。

with open('CarParkPos','wb') as f:
	posList = pickle.load(f)

完整代碼如下：

import cv2
import pickle
img=cv2.imread('carParkImg.png')
width,height = 107,48
try:
	with open('CarParkPos','rb') as f:
		posList = pickle.load(f)
except:
	posList = []
# posList = []   # 鼠標(biāo)點(diǎn)擊的坐標(biāo)集合
def mouseClick(events,x,y,flags,params):
	if events == cv2.EVENT_LBUTTONDOWN:
		posList.append((x,y))
	
	if events == cv2.EVENT_RBUTTONDOWN:
		for i,pos in enumerate(posList):
			x1,y1=pos
		if x1 < x < x1 +width and y1 < y <y1 +height:
			posList.pop(i)
	
	with open('CarParkPos','wb') as f:
		pickle.dump(posList,f)
while True:
	img = cv2.imread("carParkImg.png")
	for pos in posList:
		cv2.rectangle(img,pos,(pos[0]+width,pos[1]+height),(255,0,255),2)  #坐標(biāo)位置可以多次嘗試確定
	cv2.imshow("image",img)
	cv2.setMouseCallback("image",mouseClick)
	
	if cv2.waitKey(10) & 0xFF== ord('q'):
		break

3. 停車(chē)位視頻分析

3. 1 停車(chē)監(jiān)控視頻

import cv2
import pickle
import cvzone
import numpy as np
# Video feed
cap = cv2.VideoCapture('carPark.mp4')
while True:
    success,img= cap.read()
    cv2.imshow("Image",img)
    if cv2.waitKey(10) & 0xFF== ord('q'):
        break

視頻時(shí)間比較短，為了讓視頻循環(huán)播放，添加如下代碼:

if cap.get(cv2.CAP_PROP_POS_FRAMES) == cap.get(cv2.CAP_PROP_FRAME_COUNT):  
	cap.set(cv2.CAP_PROP_POS_FRAMES,0)
  • cv2.CAP_PROP_POS_FRAMES ：視頻播放當(dāng)前幀
  • cv2.CAP_PROP_FRAME_COUNT ：視頻總幀數(shù)

即：當(dāng)前視頻播放到結(jié)尾時(shí)，重新播放

3. 2 截取停車(chē)位

截取停車(chē)位，回來(lái)對(duì)每個(gè)停車(chē)位進(jìn)行圖像處理，從而分析該停車(chē)位是否被占用

def checkParkingSpace():
    for pos in posList:
        x,y = pos
        imgCrop=img[y:y+height,x:x+width]
        cv2.imshow(str(x*y),imgCrop)

3. 3 圖像處理

對(duì)圖像二值化、高斯模糊處理

imgGray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur =cv2.GaussianBlur(imgGray,(3,3),1)

利用自適應(yīng)二值化對(duì)圖像進(jìn)行處理

imgThreshold=cv2.adaptiveThreshold(imgBlur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,25,16)

cv2.adaptiveThreshold 參數(shù)的選擇可以通過(guò)TrackBar拖到滾動(dòng)條，直到選擇合適的數(shù)值。

可以看出停車(chē)位上有車(chē)輛時(shí)白色像素點(diǎn)比較多，停車(chē)位沒(méi)有車(chē)輛時(shí)，白色像素點(diǎn)很少甚至沒(méi)有，因此我們可以基于白色像素點(diǎn)數(shù)量來(lái)確定該車(chē)為是否被占用。同時(shí)可以看到當(dāng)停車(chē)位為空時(shí)存在一些椒鹽噪聲，通過(guò)medianBlur來(lái)處理椒鹽噪聲

imgMedian = cv2.medianBlur(imgThreshold,5)

可以看出椒鹽噪聲少了一部分。
使用dilate(膨脹)增強(qiáng)白色像素值，便于更好區(qū)分每個(gè)停車(chē)位是否被占用

 kernel=np.ones((3,3),np.uint8);
 imgDilate=cv2.dilate(imgMedian,kernel,iterations=1)

可以看出白色的輪廓比之前加厚了

3. 4 判斷停車(chē)位是否被占用

截取每個(gè)停車(chē)位，經(jīng)過(guò)處理后的圖像，統(tǒng)計(jì)白色像素的數(shù)量
修改checkParkingSpace函數(shù)，將處理好的圖像傳入函數(shù)

def checkParkingSpace(imgProc):
    for pos in posList:
        x,y = pos  
        imgCrop=imgProc[y:y+height,x:x+width]
        count=cv2.countNonZero(imgCrop)
        cvzone.putTextRect(img,str(count),(x,y+height-3,scale =1.5,thickness=2,offset=0)

對(duì)比可以看出，占有車(chē)位的數(shù)值比較大1000-2000，空車(chē)位的200-500，數(shù)值的差距比較大。

畫(huà)出所有停車(chē)位，對(duì)比找出合適的閾值，區(qū)分停車(chē)位為空還是被占用了。

可以看出停車(chē)位為空時(shí)，值為0-600，而停車(chē)位被占用，值為：960-2300，因此我們?cè)O(shè)定閾值為750。所以低于750此時(shí)停車(chē)位沒(méi)有車(chē)，高于950則停車(chē)位有車(chē)。

加上文字描述

代碼

import cv2
import pickle
import cvzone
import numpy as np
# Video feed
cap = cv2.VideoCapture('carPark.mp4')
with open('CarParkPos','rb') as f:
    posList = pickle.load(f)
width,height=107,48
def checkParkingSpace(imgProc):
    spaceCounter=0
    for pos in posList:
        x,y = pos  
        imgCrop=imgProc[y:y+height,x:x+width]
        count=cv2.countNonZero(imgCrop)
        
        if count < 950:
            color = (0,255,0)
            thickness = 5
            spaceCounter +=1
        else:
            color = (0,0,255)
            thickness = 2
        cv2.rectangle(img,pos,(pos[0]+width,pos[1]+height),color,thickness=thickness)
        cvzone.putTextRect(img,str(count),(x,y+height-5),scale =1.5,thickness=2,offset=0,colorR=color)
    cvzone.putTextRect(img,f'Free{spaceCounter}/{len(posList)}',(100,50),scale =3,thickness=5,offset=20,colorR=(0,200,0))
            
while True:
    if cap.get(cv2.CAP_PROP_POS_FRAMES) == cap.get(cv2.CAP_PROP_FRAME_COUNT):  
        cap.set(cv2.CAP_PROP_POS_FRAMES,0)
    
    success,img= cap.read()  
    imgGray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    imgBlur =cv2.GaussianBlur(imgGray,(3,3),1)  
    imgThreshold=cv2.adaptiveThreshold(imgBlur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,25,16)
    imgMedian = cv2.medianBlur(imgThreshold,5)
    kernel=np.ones((3,3),np.uint8);
    imgDilate=cv2.dilate(imgMedian,kernel,iterations=1)
    checkParkingSpace(imgDilate)
    # for pos in posList:
    #     cv2.rectangle(img,pos,(pos[0]+width,pos[1]+height),(255,0,255),2)
    cv2.imshow("Image",img)
    # cv2.imshow("imgBlur",imgBlur)
    # cv2.imshow("imgThreshold",imgThreshold)
    # cv2.imshow("imgMedian",imgMedian)
    # cv2.imshow("imgDilate",imgDilate)
    if cv2.waitKey(10) & 0xFF== ord('q'):
        break

最終效果如下：

源碼鏈接：https://github.com/yuanxinshui/Opencv-project/tree/main/39%20Parking%20Space%20Counter

到此這篇關(guān)于Python中使用Opencv開(kāi)發(fā)停車(chē)位計(jì)數(shù)器的文章就介紹到這了,更多相關(guān)python Opencv停車(chē)位計(jì)數(shù)器內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

  • python實(shí)現(xiàn)數(shù)組平移K位問(wèn)題

    python實(shí)現(xiàn)數(shù)組平移K位問(wèn)題

    這篇文章主要介紹了python實(shí)現(xiàn)數(shù)組平移K位問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教
    2023-02-02
  • python調(diào)用pymssql包操作SqlServer數(shù)據(jù)庫(kù)的實(shí)現(xiàn)

    python調(diào)用pymssql包操作SqlServer數(shù)據(jù)庫(kù)的實(shí)現(xiàn)

    本文主要介紹了python調(diào)用pymssql包操作SqlServer數(shù)據(jù)庫(kù)的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2022-06-06
  • Python-OpenCV深度學(xué)習(xí)入門(mén)示例詳解

    Python-OpenCV深度學(xué)習(xí)入門(mén)示例詳解

    深度學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)中最受歡迎和發(fā)展最快的領(lǐng)域。深度學(xué)習(xí)的常見(jiàn)應(yīng)用包括語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理、推薦系統(tǒng)等等。本文將通過(guò)一些示例代碼，帶你詳細(xì)了解深入學(xué)習(xí)
    2021-12-12
  • Flask中sqlalchemy模塊的實(shí)例用法

    Flask中sqlalchemy模塊的實(shí)例用法

    在本篇文章里小編給大家整理了關(guān)于Flask中sqlalchemy模塊的實(shí)例用法，需要的朋友們可以學(xué)習(xí)下。
    2020-08-08
  • python調(diào)用OpenCV實(shí)現(xiàn)人臉識(shí)別功能

    python調(diào)用OpenCV實(shí)現(xiàn)人臉識(shí)別功能

    這篇文章主要為大家詳細(xì)介紹了python調(diào)用OpenCV實(shí)現(xiàn)人臉識(shí)別功能，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2018-05-05
  • Python?groupby函數(shù)圖文詳解

    Python?groupby函數(shù)圖文詳解

    pandas中DataFrame提供了一個(gè)靈活高效的groupby功能,它使你能以一種自然的方式對(duì)數(shù)據(jù)集進(jìn)行切片、切塊、摘要等操作,下面這篇文章主要給大家介紹了關(guān)于Python?groupby函數(shù)詳解的相關(guān)資料,需要的朋友可以參考下
    2022-07-07
  • 新年快樂(lè)! python實(shí)現(xiàn)絢爛的煙花綻放效果

    新年快樂(lè)! python實(shí)現(xiàn)絢爛的煙花綻放效果

    這篇文章主要為大家詳細(xì)介紹了python利用可視化技巧實(shí)現(xiàn)煙花綻放效果，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2019-01-01
  • Python線(xiàn)性點(diǎn)運(yùn)算數(shù)字圖像處理示例詳解

    Python線(xiàn)性點(diǎn)運(yùn)算數(shù)字圖像處理示例詳解

    這篇文章主要為大家介紹了數(shù)字圖像處理基本運(yùn)算如何用Python詳細(xì)點(diǎn)運(yùn)算來(lái)處理數(shù)字圖像有需要的朋友可以借鑒參考下，希望能夠有所幫助
    2021-09-09
  • Python進(jìn)程池log死鎖問(wèn)題分析及解決

    Python進(jìn)程池log死鎖問(wèn)題分析及解決

    最近線(xiàn)上運(yùn)行的一個(gè)python任務(wù)負(fù)責(zé)處理一批數(shù)據(jù),為提高處理效率,使用了python進(jìn)程池,并會(huì)打印log,本文給大家分析了Python進(jìn)程池log死鎖問(wèn)題以及解決方法,需要的朋友可以參考下
    2024-01-01
  • Python socket如何實(shí)現(xiàn)服務(wù)端和客戶(hù)端數(shù)據(jù)傳輸(TCP)

    Python socket如何實(shí)現(xiàn)服務(wù)端和客戶(hù)端數(shù)據(jù)傳輸(TCP)

    這篇文章主要介紹了Python socket如何實(shí)現(xiàn)服務(wù)端和客戶(hù)端數(shù)據(jù)傳輸(TCP)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教
    2022-05-05

最新評(píng)論