国产一级视频120秒,97超爽人妻免费视频

車位數(shù)量檢測

2023-05-05 10:50

磐創(chuàng)AI

關(guān)注

該項目基于圖像處理來檢測停車場中的空間。

該項目將使用 openCV 和 CVzone 庫來執(zhí)行圖像處理任務(wù)。

如何運(yùn)行

用鼠標(biāo)單擊功能在停車場的靜止圖像上繪制框在這些單獨(dú)的框上裁剪和執(zhí)行 opencv 轉(zhuǎn)換結(jié)合這兩個步驟并將它們應(yīng)用于視頻以檢查可用的可用空間

過程

1. 安裝和導(dǎo)入依賴項

openCV 將允許我們導(dǎo)入圖像和視頻，然后我們可以對它們應(yīng)用轉(zhuǎn)換，CVzone作為基于 openCV 的庫，它還允許我們使用與 openCV 相比所需語法更少的轉(zhuǎn)換，“Pickel”用于存儲在圖片上繪制的方框的位置，“numpy”用于應(yīng)用簡單的轉(zhuǎn)換。

import cv2

import pickle

import cvzone

import numpy as np

我們將處理使用 parkingspacepicker.py 繪制框并存儲位置，并通過 pickel 在我們的 main.py 中使用這些位置

2. 繪制方框

在此圖像中，我們可以看到空間分布不均，并且間隔各不相同。

我們稍后將使用的視頻的相機(jī)處于靜態(tài)狀態(tài)，因此我們可以通過在框上手動繪制框來接近它。

為此，我們需要知道單個框的高度和寬度，然后我們將不得不嘗試不同的值以獲得完美形狀的框

import cv2

import pickle

import cvzone

import numpy as np

img = cv2.imread('carParkImg.png')

while True:

cv2.rectangle(img,(50,1920),(157,240),(255,0,255),2)

cv2.imshow("image", img)

cv2.waitKey(1)

在此之后，我們得到 width 和 height = 107, 48 你也可以嘗試不同的值。

我們啟動一個列表來存儲這些值并編寫一個函數(shù)來檢測鼠標(biāo)點(diǎn)擊操作，你可以在下一個片段中看到

img = cv2.imread('carParkImg.png')

width, height = 107, 48

def mouse_click(events, x, y, flags, params):

if events == cv2.EVENT_LBUTTONDOWN:

posList.append((x, y))

#and to see what we are drwaing on the screen

while True:

for pos in posList:

cv2.rectangle(img, pos, (pos[0] + width, pos[1] + height), (255, 0, 255), 2)

cv2.imshow("Image", img)

cv2.setMouseCallback("Image", mouse_click)

cv2.waitKey(1)

在 mouse_click 函數(shù)中，我們將events, x, y, flags, params作為參數(shù)傳遞，如果events == cv2.EVENT_LBUTTONDOWN，則將值 (x, y) 附加到 posList 并查看我們在屏幕上繪制的內(nèi)容，我們將在我們的 posList 值上編寫一個 for 循環(huán)。

我在這里遇到了兩個問題：

在錯誤的位置繪制框加載圖像后只生成一幀，因此對該圖像的任何修改都不會顯示

對于第 1 個問題的解決方案，我修改了mouse_click函數(shù)，將右鍵單擊按鈕作為一個事件，然后我們將檢查我們的單擊點(diǎn)是否位于其中一個位置之間，我們將刪除它。

def mouse_click(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)

我們將檢查當(dāng)前的x是否在x1<x<x1+width和y1<y<y1+height之間，如果在其中，則刪除它。我們需要知道要進(jìn)行多少次迭代才能刪除它，為此我們可以使用enumerate獲取i并彈出i。

對于問題2-因為我們的圖像只被導(dǎo)入一次，所以無論在其上繪制什么都將保持不變，我們在網(wǎng)絡(luò)攝像頭或相機(jī)中不會遇到此問題，并且我們正在處理的是靜態(tài)圖像，因此我們必須在循環(huán)中導(dǎo)入它以獲得刪除框。

在繪制所有框后，現(xiàn)在我們必須將它們存儲為pickle對象并以一種方式存儲它們，以便我們不必每次都進(jìn)行制作，并且我們可以使用先前的對象或修改現(xiàn)有的對象。

img = cv2.imread('carParkImg.png')

width, height = 107, 48

try:

with open('CarParkPos', 'rb') as f:

posList = pickle.load(f)

except:

posList = []

def mouse_click(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)

cv2.imshow("Image", img)

cv2.setMouseCallback("Image", mouse_click)

cv2.waitKey(1)

這將創(chuàng)建一個對象 CarParkPos 并檢查該對象是否已經(jīng)存在

圖像處理（main.py）

加載視頻饋送并循環(huán)進(jìn)行循環(huán)，我們將對幀進(jìn)行計數(shù)，當(dāng)幀到達(dá)時，我們將重置它，以便獲得連續(xù)的視頻

import cv2

import pickle

import cvzone

import numpy as np

# video feed

cap = cv2.VideoCapture('carPark.mp4')

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()

cv2.imshow("Image", img)

cv2.waitKey(10)

將框位置加載到我們將使用 pickle 對象的視頻上，并定義我們之前找到的寬度和高度with open('CarParkPos', 'rb') as f:

posList = pickle.load(f)

width, height = 107, 48

我們需要裁剪這些位置以供以后轉(zhuǎn)換，為此我們將編寫一個函數(shù)def checkParkingSpace(imgPro):

for pos in posList:

x, y = pos

imgCrop = imgPro[y:y + height, x:x + width]

cv2.imshow(str(x * y), imgCrop)

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)

for pos in posList:

cv2.rectangle(img, pos, (pos[0] + width, pos[1] + height), (255, 0, 255), 2)

success, img = cap.read()

cv2.imshow("Image", img)

cv2.waitKey(10)

裁剪后繪制出方框，這將為裁剪區(qū)域提供完美的視角，現(xiàn)在我們需要找出其中哪個區(qū)域有汽車。

我們可以通過查看像素計數(shù)來做到這一點(diǎn)，在圖像處理中，我們可以使用邊緣和角點(diǎn)檢測算法來將圖像轉(zhuǎn)換為二進(jìn)制形式，并計算出圖像中的邊緣和角點(diǎn)數(shù)量。在二值化后的圖像中，黑色像素表示背景，白色像素表示前景。通過分析這些二值化后的圖像中的邊緣和角點(diǎn)數(shù)目，我們可以了解到關(guān)于該圖像的一些信息，如圖像是否具有結(jié)構(gòu)性、復(fù)雜度等信息，來確定圖像的特點(diǎn)。在此基礎(chǔ)上，我們可以繼續(xù)下一步的分析或處理。

為了確定該區(qū)域是否包含汽車，我們必須首先使用 OpenCV 和 CVzone 進(jìn)行一些閾值處理，我們將圖像轉(zhuǎn)換為灰度并應(yīng)用高斯模糊，然后我們將其轉(zhuǎn)換為二值圖像，我們將使用自適應(yīng)閾值和去除椒鹽噪聲，我們使用“medianBlur”和主動內(nèi)核來去除噪聲，有時這些像素非常小，為了更好地區(qū)分，我們將使用膨脹操作。