通过 Python 和 OpenCV 实现目标数量监控


Posted in Python onJanuary 05, 2020

今天我们将利用python+OpenCV实现对视频中物体数量的监控,达到视频监控的效果,比如洗煤厂的监控水龙头的水柱颜色,当水柱为黑色的超过了一半,那么将说明过滤网发生了故障。当然不仅如此,我们看的是图像视频处理的技巧,你也可以将项目迁移到其他地方等,这仅仅是一个例子而已。我们知道计算机视觉中关于图像识别有四大类任务:


分类-Classification:解决“是什么?”的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。

定位-Location:解决“在哪里?”的问题,即定位出这个目标的的位置。

检测-Detection:解决“是什么?在哪里?”的问题,即定位出这个目标的的位置并且知道目标物是什么。

分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决“每一个像素属于哪个目标物或场景”的问题。

而定位不仅需要找到物体的位置在哪里,还需要能够统计目标的数目以及物体状态。

除了图像分类以外,目标检验要解决问题的架构难题是:

1.目标有可能经常出现在影像的任何方位;

2.目标有各种有所不同的尺寸;

3.目标有可能有各种有所不同的外形。

如果用矩形框来界定目的,则长方形有有所不同的清晰度。由于目的的清晰度有所不同,因此使用经典之作的转动视窗+影像图形的计划解决问题标准化目的检验难题的生产成本太低。近几年来,目标检测算法取得了很大的突破。比较流行的算法可以分为两类,一类是基于Region Proposal的R-CNN系算法(R-CNN,Fast R-CNN, Faster R-CNN等),它们是two-stage的,需要先算法产生目标候选框,也就是目标位置,然后再对候选框做分类与回归。而另一类是Yolo,SSD这类one-stage算法,其仅仅使用一个卷积神经网络CNN直接预测不同目标的类别与位置。第一类方法是准确度高一些,但是速度慢,但是第二类算法是速度快,但是准确性要低一些。那么今天我们的项目并不会太多的讲解各种算法,而是我们的核心主题,目标数量识别。

那么我们将如何进行实现呢

多说无益,下面可以开始实现我们的项目。

首先导入相关的库

import cv2
from PIL import Image
from PIL import ImageDraw,ImageFont
import numpy as np

接着我们需要把水龙头流出水柱的部分提取出来,即需要把图片预先处理成这样,作为背景图来用,名为3ji.jpg如图所示:

通过 Python 和 OpenCV 实现目标数量监控

然后通过图像作差的方法找到水柱的部分,首先就需要将图像转彩灰度图然后高斯模糊便于计算,当然其实不这样也是可以的。其中2.jpg是测试的图片,

通过 Python 和 OpenCV 实现目标数量监控

代码如下:

'''3ji是背景图不可换,调试换另一个图片,3ji自己用画图找到水的位置清除掉水柱即可,所以说摄像头不能动'''
firstframe=cv2.imread("3ji.jpg")
firstframe= cv2.cvtColor(firstframe, cv2.COLOR_BGR2GRAY)
firstframe= cv2.GaussianBlur(firstframe, (21, 21), 0)
secondframe0=cv2.imread("2.jpg")
secondframe0= cv2.cvtColor(secondframe0, cv2.COLOR_BGR2GRAY)
secondframe= cv2.GaussianBlur(secondframe0, (21, 21), 0)
frameDelta = cv2.absdiff(firstframe, secondframe)
x,y=frameDelta.shape
print(x,y)

接着通过边缘检测找到水柱边界,方便查看。

#frameDelta和canny一个是区域一个是轮廓
img = cv2.GaussianBlur(frameDelta,(3,3),0)
canny = cv2.Canny(img, 0, 100)

定义水柱总面积变量。清水面积变量,ss数组存储像素值位置

area=0 #6687,总面积
qingarea=0
ss=[]

然后画出轮廓,并记录水柱处像素值得位置

#画轮廓,存储要识别的像素值位置,记录在ss数组中
for i in range(x):
  for j in range(y):
   if any(frameDelta[i,j]!=[0,0,0]):#白色的时候,占位
    ss.append([i,j])

然后以原图加轮廓图显示,图片相加即可:

canny0=cv2.add(secondframe0,canny)

接着根据像素值大小判断颜色,通过调试这个项目的阈值是50

#判断水柱颜色,清水占多少像素
for t in ss:
 k,l=t
 area=area+1
 if canny0[k, l] > 50:
  print(canny0[k,l])
  qingarea+=1
接着统计黑色水柱占比率为多少
deta=(qingarea/area)*100
print(qingarea)
pred="清水占比为"+str(deta)+"%"
print(pred)

最后输出图像结果:

cv2.imwrite("pred.jpg",canny0)
canny0=cv2.imread("pred.jpg")
img_PIL = Image.fromarray(cv2.cvtColor(canny0, cv2.COLOR_BGR2RGB))
myfont = ImageFont.truetype(r'C:/Windows/Fonts/simfang.ttf', 40)
draw = ImageDraw.Draw(img_PIL)
draw.text((200, 10), pred, font=myfont, fill=(255,23,140))
img_OpenCV = cv2.cvtColor(np.asarray(img_PIL), cv2.COLOR_RGB2BGR)
cv2.imshow("frame", img_OpenCV)
key = cv2.waitKey(0)

最终达到的演示效果如图所示:

清水占比96%,还是比较准确的

通过 Python 和 OpenCV 实现目标数量监控

清水占比38%,黑水占比62%,也基本准确。

通过 Python 和 OpenCV 实现目标数量监控

当然这仅仅是一个思路的问题,至少目前为止网上还没有对物体数目去监控的项目例子,尽管并不是如此高深,但是却是一个很好的探究方向。不仅仅是智能采矿的需要,也可以是智能农业或者智能畜牧业等方面监控的一个想法。当然大家也是可以再次基础上修改完善代码,完整的代码上面已经给出。伴随着移动互联网、手机及各交友的平台的较慢持续发展,照片的广泛传播幅度大大增强,广泛传播范围内也日益扩展。比起书写、视频、录像等广泛传播方式,照片广泛传播极具“点睛”视觉效果,合乎节奏贫困下人们高效的读者方法。

当照片给人们带给快捷的数据纪录和共享方法的同时,照片普遍地广泛传播在社会大众视线下,适当的难题也接踵而来。书写记述,使用者可以精彩通过关键字搜寻提供意愿数据,而当照片记述,使用者难以必要通过搜寻照片索引到可借助数据。

科技进步的变革常常与解决的表达意见如影随形,在使用者痛点下,亟需高科技的改进创意,此自然环境下涌现的图像识别新技术之后变得尤为重要。由此也可见计算机视觉的日益高涨的地位。

总结

以上所述是小编给大家介绍的通过 Python 和 OpenCV 实现目标数量监控,希望对大家有所帮助!

Python 相关文章推荐
Python基于回溯法子集树模板实现图的遍历功能示例
Sep 05 Python
微信跳一跳辅助python代码实现
Jan 05 Python
Python科学计算包numpy用法实例详解
Feb 08 Python
python中logging包的使用总结
Feb 28 Python
python实现word 2007文档转换为pdf文件
Mar 15 Python
在Python中Dataframe通过print输出多行时显示省略号的实例
Dec 22 Python
python多线程http压力测试脚本
Jun 25 Python
python基于opencv检测程序运行效率
Dec 28 Python
Python使用turtle库绘制小猪佩奇(实例代码)
Jan 16 Python
Python3使用Selenium获取session和token方法详解
Feb 16 Python
Python字符串格式化方式
Apr 07 Python
使用Python通过企业微信应用给企业成员发消息
Apr 18 Python
python中count函数简单用法
Jan 05 #Python
Python猴子补丁知识点总结
Jan 05 #Python
Python调用Windows API函数编写录音机和音乐播放器功能
Jan 05 #Python
django ajax发送post请求的两种方法
Jan 05 #Python
关于tensorflow的几种参数初始化方法小结
Jan 04 #Python
基于TensorFlow常量、序列以及随机值生成实例
Jan 04 #Python
Tensorflow 实现分批量读取数据
Jan 04 #Python
You might like
php通过分类列表产生分类树数组的方法
2015/04/20 PHP
PHP生成随机密码方法汇总
2015/08/27 PHP
JavaScript Event学习第五章 高级事件注册模型
2010/02/07 Javascript
关于js拖拽上传 [一个拖拽上传修改头像的流程]
2011/07/13 Javascript
有关JavaScript的10个怪癖和秘密分享
2011/08/28 Javascript
JavaScript(js)设置默认输入焦点(focus)
2012/12/28 Javascript
JS关键字球状旋转效果的实例代码
2013/11/29 Javascript
angularjs中的单元测试实例
2014/12/06 Javascript
根据配置文件加载js依赖模块
2014/12/29 Javascript
配置Grunt的Task时通配符支持和动态生成文件名问题
2015/09/06 Javascript
JSON简介以及用法汇总
2016/02/21 Javascript
详解探索 vuex 2.0 以及使用 vuejs 2.0 + vuex 2.0 构建记事本应用
2017/06/16 Javascript
vue实现公共方法抽离
2020/07/31 Javascript
[48:31]DOTA2-DPC中国联赛 正赛 Dynasty vs XG BO3 第一场 2月2日
2021/03/11 DOTA
Python实现partial改变方法默认参数
2014/08/18 Python
通过5个知识点轻松搞定Python的作用域
2016/09/09 Python
发布你的Python模块详解
2016/09/15 Python
Django 多表关联 存储 使用方法详解 ManyToManyField save
2019/08/09 Python
通过selenium抓取某东的TT购买记录并分析趋势过程解析
2019/08/15 Python
Python爬虫爬取电影票房数据及图表展示操作示例
2020/03/27 Python
python 已知三条边求三角形的角度案例
2020/04/12 Python
Python函数必须先定义,后调用说明(函数调用函数例外)
2020/06/02 Python
python 实现数据库中数据添加、查询与更新的示例代码
2020/12/07 Python
浅谈盘点5种基于Python生成的个性化语音方法
2021/02/05 Python
HTML5 虚拟键盘出现挡住输入框的解决办法
2017/02/14 HTML / CSS
计算机网络毕业生自荐信
2013/10/01 职场文书
资产评估专业学生的自我鉴定
2013/11/14 职场文书
餐饮业经理竞聘演讲稿
2014/01/14 职场文书
公司门卫管理制度
2014/02/01 职场文书
上课玩手机检讨书
2014/02/08 职场文书
公司财务流程之主管工作流程
2014/03/03 职场文书
个人承诺书格式
2014/06/03 职场文书
公司仓管员岗位职责
2015/04/01 职场文书
2015年药店店长工作总结
2015/04/29 职场文书
2016学校先进集体事迹材料
2016/02/29 职场文书
关于mysql中时间日期类型和字符串类型的选择
2021/11/27 MySQL