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 <SDKDDKVer.h>#include <stdio.h>#include <tchar.h>#include<iostream>#include<opencv2\opencv.hpp>#include<opencv2\video\background_segm.hpp>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<Point> p1, vector<Point> 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<BackgroundSubtractorMOG2> 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30msimshow("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<vector<Point>> 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1findContours(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！