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();

     //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, );
         //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(, )));
         morphologyEx(mask, mask, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(, )));

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

         //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1
         findContours(srcImage, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

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

         if (contours.size() < ) 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 = ; 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[]) / )
                 break;
             //包含轮廓的最小矩阵
             rct = boundingRect(contours[i]);
             rectangle(result, rct, Scalar(, , ), );

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