本教程我将分享几个简单步调剂释如何使用OpenCV进行Python对象计数。

需要安装一些软件：

Python 3OpennCV

1.了解Opencv从摄像头获得视频的Python脚本

import cv2, time#1. Create an object.Zero for external cameravideo=cv2. VideoCapture(0)#1. a variablea=0while True:        a=a+1        #3. Create frame object        check, frame = video.read()        print(check)        print(frame) # Reprsenting image        #6. converting to grascale        gray=cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)        #4. shadow the frame        cv2.imshow("Capturing", gray)        #5. for press any key to out (milisecond)        #cv2.waitKey(0)        #7. for playing        key=cv2.waitKey(1)                if key==ord('q'):                break        print (a)#2. Shutdown the cameravideo.release() cv2.destroyAllWindows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-1.jpg (51.45 KB, 下载次数: 0)

2018-10-16 16:50 上传

2.加载视频

现在我们将开始逐步学习这个车辆计数教程。第一步是打开我们将在本教程中使用的视频录制。Python示例代码如下：

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filewhile(cap.isOpened()): ret, frame = cap.read() #read a frame try: cv2.imshow('Frame',frame) except: #if there are no more frames to show... print('EOF') break #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-2.jpg (33.87 KB, 下载次数: 0)

2018-10-16 16:50 上传

3. 在视频窗口中绘图

这部分很是简单，因为我们只在视频上显示文字或画线。

使用Python代码在视频文件中显示文本如下：

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filew = cap.get(3) #get widthh = cap.get(4) #get heightmx = int(w/2)my = int(h/2)count = 0while(cap.isOpened()): ret, frame = cap.read() #read a frame try: count = count + 1 text = "Statistika UII " + str(count) cv2.putText(frame, text ,(mx,my),cv2.FONT_HERSHEY_SIMPLEX ,1,(255,255,255),1,cv2.LINE_AA) cv2.imshow('Frame',frame) except: #if there are no more frames to show... print('EOF') break #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-3.jpg (56.06 KB, 下载次数: 0)

2018-10-16 16:50 上传

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-4.jpg (40.06 KB, 下载次数: 0)

2018-10-16 16:50 上传

除显示文字，我们还可以绘制线条，圆圈等。OpenCV有许多绘制几何形状的体例

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filewhile(cap.isOpened()): ret, frame = cap.read() #read a frame try:  cv2.imshow('Frame',frame) frame2 = frame except: #if there are no more frames to show... print('EOF') break line1 = np.array([[100,100],[300,100],[350,200]], np.int32).reshape((-1,1,2)) line2 = np.array([[400,50],[450,300]], np.int32).reshape((-1,1,2)) frame2 = cv2.polylines(frame2,[line1],False,(255,0,0),thickness=2) frame2 = cv2.polylines(frame2,[line2],False,(0,0,255),thickness=1)  cv2.imshow('Frame 2',frame2)  #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-5.jpg (63.02 KB, 下载次数: 0)

2018-10-16 16:50 上传

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-6.jpg (38.95 KB, 下载次数: 0)

2018-10-16 16:50 上传

4.布景分手

此体例通过区散布景和对象(前景)的移动来分手对象。该体例很是广泛地用于进入或离房间计数，交通信息系统中车辆统计，访客数量等。

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorwhile(cap.isOpened()): ret, frame = cap.read() #read a frame  fgmask = fgbg.apply(frame) #Use the substractor  try:  cv2.imshow('Frame',frame) cv2.imshow('Background Substraction',fgmask) except: #if there are no more frames to show... print('EOF') break  #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-7.jpg (43.16 KB, 下载次数: 0)

2018-10-16 16:50 上传

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-8.jpg (31.13 KB, 下载次数: 0)

2018-10-16 16:50 上传

在图像中，黑色的图像为布景，而白色的图像是检测的对象。

5.形态转换

图像措置中的形态学，即数学形态学(mathematical Morphology)，是图像措置中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为素质〈最具区分能力－most discriminative)的形状特征，如鸿沟和连通区域等。同时像细化、像素化和修剪毛刺等技术也常应用于图像的预措置和后措置中，成为图像增强技术的有力弥补。

经常使用的形态学操作：包含侵蚀、膨胀， 以及开、闭运算。

膨胀： 输出像素的值是所有输入像素值中的最大值。在二值图像中，如果领域中有一个像素值为1，则输出像素值为1。如下图

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-9.jpg (54.7 KB, 下载次数: 0)

2018-10-16 16:50 上传

侵蚀：输出像素的值是所有输入像素值中的最小值，在二值图像中，若果领域中有一个像素值为0，则输出像素值为0，看下图：

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-10.jpg (59.8 KB, 下载次数: 0)

2018-10-16 16:50 上传

膨胀和侵蚀的Python实现如下：

import cv2import numpy as npimg = cv2.imread("carcount.png")ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)kernel = np.ones((3,3),np.uint8)erosion = cv2.erode(img,kernel,iterations = 1)dilation = cv2.dilate(img,kernel,iterations = 1)cv2.imwrite("erode.png",erosion)cv2.imwrite("dilate.png",dilation)

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-11.jpg (30.11 KB, 下载次数: 0)

2018-10-16 16:50 上传

查看侵蚀和扩张的结果如下图：

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-12.jpg (24.54 KB, 下载次数: 0)

2018-10-16 16:50 上传

开运算：先侵蚀再膨胀，可以去失落目标外的孤立点。目标外的孤立点是和目标像素值一样的点，而非布景像素点，即为1而非0(0暗示选取的空洞或布景像素值)。使用侵蚀，布景扩展，该孤立点被侵蚀失落，可是侵蚀会致使目标区域缩小一圈，因此需要再进行膨胀操作，将目标区域扩展回原来巨细。所以，要使用开运算去除目标外的孤立点。

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-13.jpg (49.74 KB, 下载次数: 0)

2018-10-16 16:50 上传

闭运算：先膨胀再侵蚀，可以去失落目标内的孔。目标内的孔，属于周围都是值为1，内部空洞值为0.目的是去除周围都是1的像素中间的0值。闭运算首先进行膨胀操作，目标区域扩张一圈，将目标区域的0去除，可是目标区域同时也会向外扩张一圈，因此需要使用侵蚀操作，使得图像中的目标区域恢复到之前的巨细。

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-14.jpg (68.05 KB, 下载次数: 0)

2018-10-16 16:50 上传

代码实现如下：

import cv2import numpy as npimg = cv2.imread("carcount.png")ret,thresh1 = cv2.threshold(img,200,255,cv2.THRESH_BINARY)kernel = np.ones((5,5),np.uint8)opening = cv2.morphologyEx(thresh1, cv2.MORPH_OPEN, kernel)closing = cv2.morphologyEx(thresh1, cv2.MORPH_CLOSE, kernel)cv2.imwrite("carcount_closing.png",closing)cv2.imwrite("carcount_opening.png",opening)

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-15.jpg (35.65 KB, 下载次数: 0)

2018-10-16 16:50 上传

6.寻找轮廓

到目前为止，我们已经过滤了视频流文件，然后我们将检测移动对象上的轮廓。

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorkernelOp = np.ones((3,3),np.uint8)kernelCl = np.ones((11,11),np.uint8)while(cap.isOpened()): ret, frame = cap.read() #read a frame fgmask = fgbg.apply(frame) #Use the substractor try: ret,imBin= cv2.threshold(fgmask,200,255,cv2.THRESH_BINARY) #Opening (erode->dilate)  mask = cv2.morphologyEx(imBin, cv2.MORPH_OPEN, kernelOp) #Closing (dilate -> erode)  mask = cv2.morphologyEx(mask , cv2.MORPH_CLOSE, kernelCl) except: #if there are no more frames to show... print('EOF') break _, contours0, hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) for cnt in contours0: cv2.drawContours(frame, cnt, -1, (0,255,0), 3, 8) cv2.imshow('Frame',frame) #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-16.jpg (67.9 KB, 下载次数: 0)

2018-10-16 16:50 上传

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-17.jpg (39.9 KB, 下载次数: 0)

2018-10-16 16:50 上传

7.界说对象

这是一个很是有趣的部分，我们将轮廓分类为车辆对象。此界说以小红点标识表记标帜。Python实现如下：

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorkernelOp = np.ones((3,3),np.uint8)kernelCl = np.ones((11,11),np.uint8)areaTH = 500while(cap.isOpened()): ret, frame = cap.read() #read a frame  fgmask = fgbg.apply(frame) #Use the substractor try: ret,imBin= cv2.threshold(fgmask,200,255,cv2.THRESH_BINARY) #Opening (erode->dilate)  mask = cv2.morphologyEx(imBin, cv2.MORPH_OPEN, kernelOp) #Closing (dilate -> erode)  mask = cv2.morphologyEx(mask , cv2.MORPH_CLOSE, kernelCl) except: #if there are no more frames to show... print('EOF') break _, contours0, hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) for cnt in contours0: cv2.drawContours(frame, cnt, -1, (0,255,0), 3, 8) area = cv2.contourArea(cnt) print (area) if area > areaTH: ################# # TRACKING # #################  M = cv2.moments(cnt) cx = int(M['m10']/M['m00']) cy = int(M['m01']/M['m00']) x,y,w,h = cv2.boundingRect(cnt) cv2.circle(frame,(cx,cy), 5, (0,0,255), -1)  img = cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)  cv2.imshow('Frame',frame)  #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-18.jpg (98.47 KB, 下载次数: 0)

2018-10-16 16:50 上传

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-19.jpg (36.23 KB, 下载次数: 0)

2018-10-16 16:50 上传

8.移动标的目的

您已经知道我们的视频上有什么对象，现在您想知道它们往哪里移动(如：向上/向下)。在第一帧中，您需要将检测到的ID对象保存初始位置。然后，在下一帧中，要继续跟踪对象，必须将帧中对象的轮廓与首次呈现时的ID匹配，并保存该对象的坐标。然后，在对象跨越视频的鸿沟(或一定量的限制)之后，您可以使用存储的位置来评估它是向上或是向下移动。

import numpy as npimport cv2import Carimport timecap = cv2.VideoCapture('peopleCounter.avi') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorkernelOp = np.ones((3,3),np.uint8)kernelCl = np.ones((11,11),np.uint8)#Variablesfont = cv2.FONT_HERSHEY_SIMPLEXcars = []max_p_age = 5pid = 1areaTH = 500while(cap.isOpened()): ret, frame = cap.read() #read a frame  fgmask = fgbg.apply(frame) #Use the substractor try: ret,imBin= cv2.threshold(fgmask,200,255,cv2.THRESH_BINARY) #Opening (erode->dilate)  mask = cv2.morphologyEx(imBin, cv2.MORPH_OPEN, kernelOp) #Closing (dilate -> erode)  mask = cv2.morphologyEx(mask , cv2.MORPH_CLOSE, kernelCl) except: #if there are no more frames to show... print('EOF') break _, contours0, hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) for cnt in contours0: cv2.drawContours(frame, cnt, -1, (0,255,0), 3, 8) area = cv2.contourArea(cnt) if area > areaTH: ################# # TRACKING # #################  M = cv2.moments(cnt) cx = int(M['m10']/M['m00']) cy = int(M['m01']/M['m00']) x,y,w,h = cv2.boundingRect(cnt)  new = True for i in cars: if abs(x-i.getX()) <= w and abs(y-i.getY()) <= h: # the object is close to one that was already detected before new = False i.updateCoords(cx,cy) #Update coordinates on the object and resets age break if new == True: p = Car.MyCar(pid,cx,cy, max_p_age) cars.append(p) pid += 1  cv2.circle(frame,(cx,cy), 5, (0,0,255), -1) img = cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)  cv2.drawContours(frame, cnt, -1, (0,255,0), 3) for i in cars: if len(i.getTracks()) >= 2: pts = np.array(i.getTracks(), np.int32) pts = pts.reshape((-1,1,2)) frame = cv2.polylines(frame,[pts],False,i.getRGB()) if i.getId() == 9: print (str(i.getX()), ',', str(i.getY())) cv2.putText(frame, str(i.getId()),(i.getX(),i.getY()),font,0.3,i.getRGB(),1,cv2.LINE_AA)   cv2.imshow('Frame',frame)  #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-20.jpg (140.41 KB, 下载次数: 1)

2018-10-16 16:50 上传

计算机视觉：利用OpenCV和Python进行车辆计数详细步调-21.jpg (51.12 KB, 下载次数: 1)

2018-10-16 16:50 上传

9.计数

你之前的部分已经知道如何检测对象运动的体例。现在，我们必须看到这个列表并确定对象是否在我们的视频中向上或下降。要做到这一点，首先将创作发现两条线，这将显示什么时候来评估对象的标的目的(line_up，line_down)。并且还会有两行界限，告诉我们什么时候停止跟踪物体(up_limit，down_limit)。