文章轉(zhuǎn)載于微信公眾號(hào):小白學(xué)視覺
作者: 努比

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)視覺和圖像處理技術(shù)來檢測汽車在行駛中時(shí)汽車是否在改變車道！大家一定聽說過使用OpenCV 的haar級(jí)聯(lián)文件可以檢測到面部、眼睛等，但是如果目標(biāo)是汽車，公共汽車呢？

01. 數(shù)據(jù)集

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)集檢測來汽車，但是由于汽車在變道時(shí)我們需要通過彈出窗口提供警報(bào)，因此對(duì)于這些動(dòng)態(tài)情況，視頻輸入更為可行。

02. 輸入

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，用于檢測汽車的坐標(biāo)，道路上的汽車的視頻文件-

cascade_src = 'cascade/cars.xml'

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):

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。

03. 圖像處理

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-

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)，將使用膨脹來重新獲得一些丟失的區(qū)域?，F(xiàn)在，通過基本形態(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)

3.3車道檢測

canny邊緣檢測器與霍夫線變換一起用于檢測車道。

canny邊緣檢測（作者提供的圖像）

04. 邊緣檢測

諸如canny邊緣檢測器之類的算法用于查找將圖像中的邊緣像素，但是由于我們無法融合某些點(diǎn)和邊緣，因此它無法找到實(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?！钡雀呔€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)開始繪制一棵樹（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 = mask

05. 中心矩

我們可以通過計(jì)算輪廓矩來比較兩個(gè)輪廓?！爸行木厥峭ㄟ^將輪廓的所有像素相加而得出的輪廓的總體特征?！?/p>

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變化的車道，還可以使用Tkinter作為一個(gè)簡單的彈出窗口來提醒更改。

使用Greenline測量角度，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

06. 總結(jié)

在本教程中，使用車道變更檢測方法探索了智能汽車導(dǎo)航的小型演示。計(jì)算機(jī)視覺正在迅速發(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)用也正在開發(fā)中，并可以在早期用于檢測X射線圖像中的癌癥和腫瘤階段。

代碼鏈接：https://github.com/Hitesh-Val.../_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.

推薦閱讀

• PyTorch OCR模型的安卓端部署
• 深度學(xué)習(xí)量化技術(shù)科普
• 簡單粗暴的多對(duì)象目標(biāo)跟蹤神器 – DeepSort