基于OpenCV的車輛變道檢測(cè)

點(diǎn)擊上方“小白學(xué)視覺(jué)”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)

本期教程我們將和小伙伴們一起研究如何使用計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)來(lái)檢測(cè)汽車在行駛中時(shí)汽車是否在改變車道！大家一定聽(tīng)說(shuō)過(guò)使用OpenCV 的haar級(jí)聯(lián)文件可以檢測(cè)到面部、眼睛等，但是如果目標(biāo)是汽車，公共汽車呢？

我們將道路上汽車的視頻文件用作數(shù)據(jù)集。當(dāng)然可以使用圖像數(shù)據(jù)集檢測(cè)來(lái)汽車，但是由于汽車在變道時(shí)我們需要通過(guò)彈出窗口提供警報(bào)，因此對(duì)于這些動(dòng)態(tài)情況，視頻輸入更為可行。

第一步是提供要在本教程中使用的輸入-OpenCV的haar級(jí)聯(lián)文件，用于檢測(cè)汽車的坐標(biāo)，道路上的汽車的視頻文件-

cascade_src = 'cascade/cars.xml'video_src = 'dataset/cars.mp4'
cap = cv2.VideoCapture(video_src)car_cascade = cv2.CascadeClassifier(cascade_src)

cv2.VideoCapture（）方法用于捕獲輸入視頻，視頻通常為每秒25個(gè)圖像/幀（fps）。捕獲輸入后，使用循環(huán)提取幀，并使用汽車的haar級(jí)聯(lián)文件檢測(cè)到的坐標(biāo)，我們?cè)谘h(huán)中在汽車周圍繪制一個(gè)矩形，以在對(duì)捕獲的幀執(zhí)行其他操作時(shí)獲得一致性。

while(1):# Take each frame    _, frame = cap.read()    cars = car_cascade.detectMultiScale(frame, 1.1, 1)for (x,y,w,h) in cars:        roi = cv2.rectangle(frame,(x,y),(x+w,y+h),(0,0,255),2)   #ROI is region of interest

在OpenCV中，使用BGR而不是RGB，因此（0,0,255）將在汽車上繪制一個(gè)紅色矩形，而不是藍(lán)色。

如果幀的分辨率很高，則會(huì)減慢執(zhí)行的操作，此外，該幀還包含噪聲，可以使用模糊降低噪聲，這里使用高斯模糊。

3.1 HSV框架

在此，我們使用從cv2.VideoCapture（）捕獲的幀中獲得的HSV幀僅突出顯示汽車轉(zhuǎn)彎的點(diǎn)，并遮擋其余道路和在道路上直行的汽車。設(shè)置上限和下限閾值是為了定義HSV中的顏色范圍，以查看汽車改變車道的點(diǎn)，并用作框架的遮罩。以下是用于獲取此代碼的代碼段-

    #canceling noise in the video frames using blurframe = cv2.GaussianBlur(frame,(21,21),0)    # Convert BGR to HSVhsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)    # define range of color in HSV to see the points at which the car is changing angleslower_limit = np.array([0,150,150])upper_limit = np.array([10,255,255])    # Threshold the HSV image to get only the thresholded colorsmask = cv2.inRange(hsv, lower_limit, upper_limit)

3.2腐蝕與膨脹

腐蝕和膨脹是圖像處理中常使用的兩個(gè)基本形態(tài)學(xué)操作。腐蝕算子在內(nèi)核區(qū)域上具有局部最小值的作用。腐蝕用于減少圖像中的斑點(diǎn)噪聲，斑點(diǎn)會(huì)從圖像中的對(duì)象邊界腐蝕掉。膨脹具有局部最大值運(yùn)算符的作用。當(dāng)添加像素以平滑圖像中對(duì)象的邊界時(shí)，將使用膨脹來(lái)重新獲得一些丟失的區(qū)域。現(xiàn)在，通過(guò)基本形態(tài)學(xué)操作（腐蝕和膨脹）處理從HSV幀的第一步生成的蒙版。通過(guò)將幀和掩碼之間的按位與運(yùn)算應(yīng)用于獲取 ROI（感興趣區(qū)域），可以生成結(jié)果幀。

    kernel = np.ones((3,3),np.uint8)    kernel_lg = np.ones((15,15),np.uint8)    # image processing technique called the erosion is used for noise reduction    mask = cv2.erode(mask,kernel,iterations = 1)    # image processing technique called the dilation is used to regain some lost area    mask = cv2.dilate(mask,kernel_lg,iterations = 1)    # Bitwise-AND to get black everywhere else except the region of interest    result = cv2.bitwise_and(frame,frame, mask= mask)

3.3車道檢測(cè)

canny邊緣檢測(cè)器與霍夫線變換一起用于檢測(cè)車道。

canny邊緣檢測(cè)（作者提供的圖像）

諸如canny邊緣檢測(cè)器之類的算法用于查找將圖像中的邊緣像素，但是由于我們無(wú)法融合某些點(diǎn)和邊緣，因此它無(wú)法找到實(shí)際對(duì)象，在這里我們可以使用OpenCV中的cv2.findContours（）實(shí)現(xiàn)輪廓的查找。

定義-“輪廓是代表圖像中曲線的點(diǎn)的列表。”?等高線由序列表示（序列是結(jié)構(gòu)的鏈表），每個(gè)序列都編碼有關(guān)下一點(diǎn)位置的信息。我們?cè)赗OI中多次運(yùn)行cv2.findContours（）以獲得實(shí)體，然后使用cv2.drawContours（）繪制輪廓區(qū)域。等高線可以是點(diǎn)，邊，多邊形等，因此在繪制等高線時(shí)，我們進(jìn)行多邊形近似，以找到邊的長(zhǎng)度和區(qū)域的面積。函數(shù)cv2.drawContours（）的工作方式是從根節(jié)點(diǎn)開(kāi)始繪制一棵樹(shù)（數(shù)據(jù)結(jié)構(gòu)），然后將后續(xù)點(diǎn)，邊界框和freeman鏈代碼連接在一起。

找到輪廓后的另一個(gè)重要任務(wù)是匹配它們。輪廓匹配意味著我們有兩個(gè)單獨(dú)的計(jì)算輪廓相互比較，或者輪廓與抽象模板相比較。

thresh = maskcontours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# define a minimum area for a contour (ignoring all values below min)min_area = 1000cont_filtered = []# filter out all contours below a min_areafor cont in contours:  if cv2.contourArea(cont) > min_area:    cont_filtered.append(cont)
cnt = cont_filtered[0]# draw the rectangles around contoursrect = cv2.minAreaRect(cnt)box = cv2.boxPoints(rect)box = np.int0(box)cv2.drawContours(frame,[box],0,(0,0,255),2)rows,cols = thresh.shape[:2][vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)lefty = int((-x*vy/vx) + y)righty = int(((cols-x)*vy/vx)+y)cv2.line(frame,(cols-1,righty),(0,lefty),(0,255,0),2)

我們可以通過(guò)計(jì)算輪廓矩來(lái)比較兩個(gè)輪廓。“中心矩是通過(guò)將輪廓的所有像素相加而得出的輪廓的總體特征。”

中心矩型-

• 空間矩：?m00，m10，m01，m20，m11，m02，m30，m21，m12，m03。

• 中心矩：?mu20，mu11，mu02，mu30，mu21，mu12，mu03。

• Hu矩：有七個(gè)Hu矩（h0 — h6）或（h1 — h7），兩種表示法都使用。

我們使用cv2.fitEllipse（）計(jì)算矩并將橢圓擬合在這些點(diǎn)上。從輪廓和力矩中得出角度，因?yàn)楦淖冘嚨佬枰?5度旋轉(zhuǎn)，這被認(rèn)為是汽車轉(zhuǎn)彎角度的閾值。

現(xiàn)在，我們不僅可以打印檢測(cè)變化的車道，還可以使用Tkinter作為一個(gè)簡(jiǎn)單的彈出窗口來(lái)提醒更改。

使用Greenline測(cè)量角度，并在框架中的汽車上繪制矩形

彈出警報(bào)（作者提供的圖片）

輸出

在本教程中，使用車道變更檢測(cè)方法探索了智能汽車導(dǎo)航的小型演示。計(jì)算機(jī)視覺(jué)正在迅速發(fā)展，其應(yīng)用不僅在汽車的本地導(dǎo)航中而且在火星導(dǎo)航和產(chǎn)品檢查領(lǐng)域中也在不斷發(fā)展，甚至醫(yī)療應(yīng)用也正在開(kāi)發(fā)中，并可以在早期用于檢測(cè)X射線圖像中的癌癥和腫瘤階段。

代碼鏈接：https://github.com/Hitesh-Valecha/Car_Opencv

參考文獻(xiàn)：

1. Bradski, Gary and Kaehler, Adrian,?Learning OpenCV: Computer Vision in C++ with the OpenCV Library, O’Reilly Media, Inc., 2nd edition, 2013, @10.5555/2523356, ISBN — 1449314651.

2. Laganiere, Robert, OpenCV Computer Vision Application Programming Cookbook, Packt Publishing, 2nd edition, 2014, @10.5555/2692691, ISBN — 1782161481.

交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺(jué)、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺(jué)SLAM“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~