我們將從以下四個方面進行介紹：

1. 用于物體檢測的背景減法算法主要思想。

2. OpenCV圖像過濾器。

3. 利用輪廓檢測物體。

4. 建立進一步數(shù)據(jù)處理的結構。

背景扣除算法

有許多不同的背景扣除算法，但是它們的主要思想都很簡單。

假設有一個房間的視頻，在某些幀上沒有人和寵物，那么此時的視頻基本為靜態(tài)的，我們將其稱為背景（background_layer）。因此要獲取在視頻上移動的對象，我們只需要：用當前幀減去背景即可。

由于光照變化，人為移動物體，或者始終存在移動的人和寵物，我們將無法獲得靜態(tài)幀。在這種情況下，我們從視頻中選出一些圖像幀，如果絕大多數(shù)圖像幀中都具有某個相同的像素點，則此將像素作為background_layer中的一部分。

我們將使用MOG算法進行背景扣除

代碼如下所示：

處理后得到下面的前景圖像

我們可以看出前景圖像上有一些噪音，可以通過標準濾波技術可以將其消除。

濾波

針對我們現(xiàn)在的情況，我們將需要以下濾波函數(shù)：Threshold、Erode、Dilate、Opening、Closing。

首先，我們使用“Closing”來移除區(qū)域中的間隙，然后使用“Opening”來移除個別獨立的像素點，然后使用“Dilate”進行擴張以使對象變粗。代碼如下：

處理后的前景如下：

利用輪廓進行物體檢測

我們將使用CV2.findContours函數(shù)對輪廓進行檢測。我們在使用的時候可以選擇的參數(shù)為：CV2.CV_RETR_EXTERNAL------僅獲取外部輪廓。

CV2.CV_CHAIN_APPROX_TC89_L1------使用Teh-Chin鏈逼近算法（更快）代碼如下：

建立數(shù)據(jù)處理框架

我們都知道在ML和CV中，沒有一個算法可以處理所有問題。即使存在這種算法，我們也不會使用它，因為它很難大規(guī)模有效。例如幾年前Netflix公司用300萬美元的獎金懸賞最佳電影推薦算法。有一個團隊完成這個任務，但是他們的推薦算法無法大規(guī)模運行，因此其實對公司毫無用處。但是，Netflix公司仍獎勵了他們100萬美元。

接下來我們來建立解決當前問題的框架，這樣可以使數(shù)據(jù)的處理更加方便

首先我們獲取一張?zhí)幚砥鬟\行順序的列表，讓每個處理器完成一部分工作，在案順序完成執(zhí)行以獲得最終結果。

我們首先創(chuàng)建輪廓檢測處理器。輪廓檢測處理器只需將前面的背景扣除，濾波和輪廓檢測部分合并在一起即可，代碼如下所示：

現(xiàn)在，讓我們創(chuàng)建一個處理器，該處理器將找出不同的幀上檢測到的相同對象，創(chuàng)建路徑，并對到達出口區(qū)域的車輛進行計數(shù)。代碼如下所示：

上面的代碼有點復雜，因此讓我們一個部分一個部分的介紹一下。

上面的圖像中綠色的部分是出口區(qū)域。我們在這里對車輛進行計數(shù)，只有當車輛移動的長度超過3個點我們才進行計算

我們使用掩碼來解決這個問題，因為它比使用矢量算法有效且簡單得多。只需使用“二進制和”即可選出車輛區(qū)域中點。設置方式如下：

現(xiàn)在我們將檢測到的點鏈接起來。

對于第一幀圖像，我們將所有點均添加為新路徑。

接下來，如果len（path）== 1，我們在新檢測到的對象中找到與每條路徑最后一點距離最近的對象。

如果len（path）> 1，則使用路徑中的最后兩個點，即在同一條線上預測新點，并找到該點與當前點之間的最小距離。

具有最小距離的點將添加到當前路徑的末端并從列表中刪除。如果在此之后還剩下一些點，我們會將其添加為新路徑。這個過程中我們還會限制路徑中的點數(shù)。

現(xiàn)在，我們將嘗試計算進入出口區(qū)域的車輛。為此，我們需獲取路徑中的最后2個點，并檢查len（path）是否應大于限制。

最后兩個處理器是CSV編寫器，用于創(chuàng)建報告CSV文件，以及用于調試和精美圖片的可視化。

結論

正如我們看到的那樣，它并不像許多人想象的那么難。但是，如果小伙伴運行腳本，小伙伴會發(fā)現(xiàn)此解決方案并不理想，存在前景對象存在重疊的問題，并且它也沒有按類型對車輛進行分類。但是，當相機有較好位置，例如位于道路正上方時，該算法具有很好的準確性。

為大家準備了OpenCV項目實戰(zhàn)資源！深度學習以及計算機視覺學習資料！可論文指導1對1付費咨詢！

可添加VX公眾號：AI技術星球，回復333免費領學習資料！

【1】人工智能學習課程及配套資料

【2】超詳解人工智能學習路線圖及學習大綱

【3】學人工智能必看優(yōu)質書籍電子書匯總

【4】人工智能面試題庫大全以及問題總結

【5】人工智能經(jīng)典論文100篇+解讀+復現(xiàn)教程

【6】計算機視覺技術教學課程+YOLO等項目教學

【7】人工智能最新行業(yè)報告??