Python中使用Opencv開發(fā)停車位計(jì)數(shù)器功能
在這個(gè)項(xiàng)目中，我們將創(chuàng)建一個(gè)停車位計(jì)數(shù)器。我們會(huì)發(fā)現(xiàn)總共有多少輛車，以及有多少停車位是空的。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. 繪制停車位矩形框
2.1 導(dǎo)入停車場(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，即在原有的停車位添加或刪除停車位，而不是每一幀畫面重新繪制。
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. 停車位視頻分析
3. 1 停車監(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 截取停車位
截取停車位，回來(lái)對(duì)每個(gè)停車位進(jìn)行圖像處理，從而分析該停車位是否被占用
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。
可以看出停車位上有車輛時(shí)白色像素點(diǎn)比較多，停車位沒有車輛時(shí)，白色像素點(diǎn)很少甚至沒有，因此我們可以基于白色像素點(diǎn)數(shù)量來(lái)確定該車為是否被占用。同時(shí)可以看到當(dāng)停車位為空時(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 判斷停車位是否被占用
截取每個(gè)停車位，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，占有車位的數(shù)值比較大1000-2000，空車位的200-500，數(shù)值的差距比較大。
畫出所有停車位，對(duì)比找出合適的閾值，區(qū)分停車位為空還是被占用了。
可以看出停車位為空時(shí)，值為0-600，而停車位被占用，值為：960-2300，因此我們?cè)O(shè)定閾值為750。所以低于750此時(shí)停車位沒有車，高于950則停車位有車。
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開發(fā)停車位計(jì)數(shù)器的文章就介紹到這了,更多相關(guān)python Opencv停車位計(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！
- Python?OpenCV超詳細(xì)講解調(diào)整大小與圖像操作的實(shí)現(xiàn)
- Python?OpenCV超詳細(xì)講解讀取圖像視頻和網(wǎng)絡(luò)攝像頭
- 關(guān)于python3?opencv?圖像二值化的問(wèn)題(cv2.adaptiveThreshold函數(shù))
- Python?OpenCV實(shí)現(xiàn)圖形檢測(cè)示例詳解
- Python?OpenCV實(shí)現(xiàn)3種濾鏡效果實(shí)例
- python?OpenCV?圖像通道數(shù)判斷
- 巧妙使用python?opencv庫(kù)玩轉(zhuǎn)視頻幀率
- python+opencv實(shí)現(xiàn)堆疊圖片
- python?使用OpenCV進(jìn)行曝光融合
相關(guān)文章
pyqt5 tablewidget 利用線程動(dòng)態(tài)刷新數(shù)據(jù)的方法
今天小編就為大家分享一篇pyqt5 tablewidget 利用線程動(dòng)態(tài)刷新數(shù)據(jù)的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06
Django Admin后臺(tái)添加數(shù)據(jù)庫(kù)視圖過(guò)程解析
這篇文章主要介紹了Django Admin后臺(tái)添加數(shù)據(jù)庫(kù)視圖過(guò)程解析,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,需要的朋友可以參考下2020-04-04
Python 限制線程的最大數(shù)量的方法(Semaphore)
今天小編就為大家分享一篇Python 限制線程的最大數(shù)量的方法(Semaphore)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-02-02
Python數(shù)據(jù)分析23種Pandas核心操作方法總結(jié)
在本文中，作者從基本數(shù)據(jù)集讀寫、數(shù)據(jù)處理和?DataFrame?操作三個(gè)角度展示了?23?個(gè)?Pandas?核心方法，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
今天小編就為大家分享一篇Python龍貝格法求積分實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02
Python 異步之如何保護(hù)任務(wù)免于取消詳解
這篇文章主要為大家介紹了Python 異步之如何保護(hù)任務(wù)免于取消示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-03-03
wtfPython—Python中一組有趣微妙的代碼【收藏】
Wtfpython講解了大量的Python編譯器的內(nèi)容。這篇文章主要介紹了wtfPython-Python中一些奇妙的代碼,感興趣的朋友跟隨腳本之家小編一起看看吧2018-08-08
這篇文章主要為大家詳細(xì)介紹了pygame實(shí)現(xiàn)貪吃蛇游戲，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2019-10-10
這篇文章主要介紹了如何利用python執(zhí)行txt文件中的代碼，python這么強(qiáng)大的語(yǔ)言當(dāng)然可以做大，只需使用內(nèi)置的exex()函數(shù)，進(jìn)入主題前我們先來(lái)看看什么是exec()函數(shù)，需要的小伙伴可以參考一下2022-03-03
本文主要介紹了python使用句柄控制windows窗口的兩種方法,實(shí)現(xiàn)窗口的最小化,還原,最大化,關(guān)閉操作,具有一定的參考價(jià)值,感興趣的可以了解一下2024-01-01