基于OpenCV的车辆检测与追踪的实现

        最近老师布置了一个作业，是做一个基于视频的车辆检测与追踪，用了大概两周的时间做了一个简单的，效果不是很理想，但抑制不住想把自己的一些认识写下来，这里就把一些网络上的博客整理一下分享给大家，希望帮助到大家，因为本人也是个小白，所以如果有什么讲的不对的地方希望各位看官多指正！

      一、安装OpenCV和搭建环境

        首先呢，大家得安装OpenCV，这里网络上有很多相关的教程，这里就不赘述了！我本人用的是OpenCV3.10+VS2015.

        这里就贴出几个教程：

        下载地址：http://opencv.org/downloads.html

        安装教程：http://www.cnblogs.com/sopic/p/5265836.html（OpenCV3.0+VS2015）

                            http://blog.csdn.net/hustlx/article/details/50974336（OpenCV3.10+VS2015）

        关于其他OpenCV版本的安装教程网络上也有很多，这里就只贴出这两个。

        二、关于OpenCV的介绍

   我看还是把网络上关于这方面好的教程给大家贴出来吧，我怕讲不好的话招笑话。

         首先是浅墨大神的系列博客，我基本上就是从大神的博客中学习到的，还有他的《OpenCV3.0编程入门》（强烈推荐！非常通熟易懂！网上一搜即可）

         浅墨OpenCV入门教程

         当然OpenCV中文论坛上的也很好，但是感觉跟浅墨大神的内容差不多

         OpenCV中文论坛教程

         

         三、系统结构设计

    流程图：

         

            

          这里可能设计到一些难理解的问题，同样也贴几个地址供大家学习：

         混合高斯建模

         BackgroundSubtractorMOG和BackgroundSubtractorMOG2

         源码如下：

          

#include 
#include 
#include 
#include
#include
#include

using namespace cv;
using namespace std;

//对轮廓按面积降序排序，目的是去除那些小轮廓目标
bool descSort(vector p1, vector p2) {
	return contourArea(p1) > contourArea(p2);
}


int main() {
	//读入视频
	VideoCapture capture("E:\\临时\\workspace\\1.avi");
	//定义一个Mat变量，用于存储每一帧的图像
	Mat frame;
	//前景
	Mat mask;
	//连通分量
	Mat srcImage;
	//结果
	Mat result;

	//用混合高斯模型训练背景图像
	Ptr bgsubtractor = createBackgroundSubtractorMOG2();
	bgsubtractor->setVarThreshold(20);

	//for (int  k = 0; k < 100; k++)
	//{
	//	//读取当前帧
	//	capture >> frame;
	//	//若视频播放完成，退出循环
	//	if (frame.empty())
	//	{
	//		break;
	//	}
	//	bgsubtractor->apply(frame, mask, 0.2);
	//}
	//imshow("前景训练结果", mask);

	//循环显示每一帧
	while (true)
	{
		
		//读取当前帧
		capture >> frame;
		//若视频播放完成，退出循环
		if (frame.empty())
		{
			break;
		}
		frame.copyTo(result);
		//cvtColor(frame, frame, COLOR_GRAY2BGR);
		bgsubtractor->apply(frame, mask, 0.2);

		imshow("原视频", frame);  //显示当前帧
		//waitKey(30);  //延时30ms

		imshow("混合高斯建模", mask);
		//waitKey(30);

		//cvtColor(mask, mask, COLOR_GRAY2BGR);
		//对前景先进行中值滤波，再进行形态学膨胀操作，以去除伪目标和连接断开的小目标
		medianBlur(mask, mask, 5);
		//morphologyEx(mask, mask, MORPH_DILATE, getStructuringElement(MORPH_RECT, Size(5, 5)));

		//测试：先开运算再闭运算
		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);

		//拷贝
		mask.copyTo(srcImage);

		//各联通分量的轮廓
		//外层vector的size代表了图像中轮廓的个数，里面vector的 size代表了轮廓上点的个数
		vector> contours;
		//只获取最外轮廓，获取每个轮廓的每个像素，并相邻两个像素位置差不超过1
		findContours(srcImage, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

		//测试轮廓获取
		imshow("轮廓获取", srcImage);

		if (contours.size() < 1) continue;
		//外接矩阵
		Rect rct;

		//对轮廓进行外接矩阵之前先对轮廓按面积降序排序，目的为了去除小目标（伪目标）
		sort(contours.begin(), contours.end(), descSort);

		for (int i = 0; i < contours.size(); i++)
		{
			//当第i个连通分量的外接矩阵面积小于最大面积的1/6，则认为是伪目标
			if (contourArea(contours[i]) < contourArea(contours[0]) / 5)
				break;
			//包含轮廓的最小矩阵
			rct = boundingRect(contours[i]);
			rectangle(result, rct, Scalar(0, 255, 0), 2);

		}
		imshow("结果", result);
	}
	getchar();
	return 0;
}

        本来打算把视频传上去，但CSDN禁止上传视频！