Opencv实现目标检测

1.前置知识点

（1）Opencv全局二值化和局部二值化

https://mydreamambitious.blog.csdn.net/article/details/125249121

（2）Opencv中的erode和dilate

https://mydreamambitious.blog.csdn.net/article/details/125265431

（3）Opencv中的findContours（）和drawContours（）

https://mydreamambitious.blog.csdn.net/article/details/125339604

（4）Opencv中绘制直线，矩形，圆，椭圆，多边形（包括多边形填充），绘制文本

https://mydreamambitious.blog.csdn.net/article/details/125392536

（5）Opencv中计算轮廓的周长和面积

https://mydreamambitious.blog.csdn.net/article/details/125340081

（6）Opencv中基础的知识点

https://mydreamambitious.blog.csdn.net/article/details/125351256

---

2.代码实战

（1）首先对读取的帧进行一定的缩放，提取感兴趣区域和二值化

frame=cv2.resize(src=frame,dsize=(750,500))
    #提取感兴趣的区域
    roi=frame[200:400,450:700]
    mask=bgsegment.apply(roi)

    #去掉视频mask中灰色的阴影
    OK,mask=cv2.threshold(src=mask,thresh=245,maxval=255,type=cv2.THRESH_BINARY)

（2）查找轮廓和绘制矩形框

#查找轮廓
    binary,contours,hierarchy=cv2.findContours(image=mask,mode=cv2.RETR_TREE,method=cv2.CHAIN_APPROX_SIMPLE)

    #记录车子的位置
    box=[]

    #进行遍历筛选
    for step,cont in enumerate(contours):
        #计算面积
        area=cv2.contourArea(cont)
        if area>=150:
            # cv2.drawContours(image=roi,contours=[cont],contourIdx=-1,
            # color=(0,255,0),thickness=2)
            #获取视频中物体的坐标和高宽
            (x,y,w,h)=cv2.boundingRect(cont)
            # #绘制矩阵（框柱物体）
            cv2.rectangle(img=roi,pt1=(x,y),pt2=(x+w,y+h),color=(0,255,0),thickness=2)

（3）绘制视频读取的帧数

 # 显示FPS
    endtime = time.time()
    FPS = 1 / (endtime - startime)
    cv2.putText(img=frame, text='FPS: ' + str(int(FPS)), org=(30, 450),
                fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=1.0,
                color=(0, 255, 0), thickness=2)

（4）整体代码

import os
import cv2
import time
import numpy as np

# frame=np.zeros(shape=(450,450,3),dtype=np.uint8)
cap=cv2.VideoCapture('Video/DJ_1.mp4')
#去除背景
bgsegment=cv2.createBackgroundSubtractorMOG2(history=100,varThreshold=40)

#实例跟踪器
# trackers=cv2.MultiTracker_create()
# #使用的实例跟踪算法
# track_algorithm=cv2.TrackerKCF_create

#跟踪车子的一个全局ID
class_id=0

while cap.isOpened():
    startime=time.time()
    OK,frame=cap.read()
    if OK==False:
        break
    frame=cv2.resize(src=frame,dsize=(750,500))
    #提取感兴趣的区域
    roi=frame[200:400,450:700]
    mask=bgsegment.apply(roi)

    #去掉视频mask中灰色的阴影
    OK,mask=cv2.threshold(src=mask,thresh=245,maxval=255,type=cv2.THRESH_BINARY)
    #进行开运算，将mask中的小物体都去掉
    # kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(3,3))
    # mask=cv2.morphologyEx(src=mask,op=cv2.MORPH_OPEN,kernel=kernel,iterations=1)
    #查找轮廓
    binary,contours,hierarchy=cv2.findContours(image=mask,mode=cv2.RETR_TREE,method=cv2.CHAIN_APPROX_SIMPLE)

    #记录车子的位置
    box=[]

    #进行遍历筛选
    for step,cont in enumerate(contours):
        #计算面积
        area=cv2.contourArea(cont)
        if area>=150:
            # cv2.drawContours(image=roi,contours=[cont],contourIdx=-1,
            # color=(0,255,0),thickness=2)
            #获取视频中物体的坐标和高宽
            (x,y,w,h)=cv2.boundingRect(cont)
            # #绘制矩阵（框柱物体）
            cv2.rectangle(img=roi,pt1=(x,y),pt2=(x+w,y+h),color=(0,255,0),thickness=2)

    # 显示FPS
    endtime = time.time()
    FPS = 1 / (endtime - startime)
    cv2.putText(img=frame, text='FPS: ' + str(int(FPS)), org=(30, 450),
                fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=1.0,
                color=(0, 255, 0), thickness=2)

    cv2.imshow('image', frame)
    cv2.imshow('roi', roi)
    cv2.imshow('mask', mask)

    key=cv2.waitKey(30)
    if key==27:
        break


cap.release()
cv2.destroyAllWindows()

if __name__ == '__main__':
    print('Pycharm')

注明：读者在提取感兴趣的区域时，可以根据自己的视频来，因为我是根据自己的视频中的车子移动的位置来提取的。