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
在Python中用get()方法获取字典键值的教程
May 21 Python
浅谈python中截取字符函数strip,lstrip,rstrip
Jul 17 Python
Python列表和元组的定义与使用操作示例
Jul 26 Python
python正则中最短匹配实现代码
Jan 16 Python
TensorFlow saver指定变量的存取
Mar 10 Python
解决python3 urllib 链接中有中文的问题
Jul 16 Python
利用python和ffmpeg 批量将其他图片转换为.yuv格式的方法
Jan 08 Python
解决TensorFlow训练内存不断增长,进程被杀死问题
Feb 05 Python
Python3.6安装卸载、执行命令、执行py文件的方法详解
Feb 20 Python
python轮询机制控制led实例
May 03 Python
python爬虫爬取某网站视频的示例代码
Feb 20 Python
python计算列表元素与乘积详情
Aug 05 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
第十节 抽象方法和抽象类 [10]
2006/10/09 PHP
使用PHPMailer实现邮件发送代码分享
2014/10/23 PHP
PHP的伪随机数与真随机数详解
2015/05/27 PHP
PHP守护进程化在C和PHP环境下的实现
2017/11/21 PHP
php处理多图上传压缩代码功能
2018/06/13 PHP
PHP创建XML接口示例
2019/07/04 PHP
基于laravel Request的所有方法详解
2019/09/29 PHP
ExtJS 2.0实用简明教程 之ExtJS版的Hello
2009/04/29 Javascript
分享27款非常棒的jQuery 表单插件
2011/03/28 Javascript
获取下拉列表框的值是数组,split,$.inArray示例
2013/11/13 Javascript
JS实现浏览器状态栏文字闪烁效果的方法
2015/10/27 Javascript
jQuery插件echarts实现的去掉X轴、Y轴和网格线效果示例【附demo源码下载】
2017/03/04 Javascript
一篇看懂vuejs的状态管理神器 vuex状态管理模式
2017/04/20 Javascript
AngularJS创建一个上传照片的指令实例代码
2018/02/24 Javascript
详解React中setState回调函数
2018/06/14 Javascript
jQuery实现可以扩展的日历
2020/12/01 jQuery
[46:47]2014 DOTA2国际邀请赛中国区预选赛5.21 LGD-CDEC VS NE
2014/05/22 DOTA
[01:31:02]TNC vs VG 2019国际邀请赛淘汰赛 胜者组赛BO3 第一场
2019/08/22 DOTA
python3中dict(字典)的使用方法示例
2017/03/22 Python
python 实现一个贴吧图片爬虫的示例
2017/10/12 Python
Python实现邮件的批量发送的示例代码
2018/01/23 Python
pip安装tensorflow的坑的解决
2020/04/19 Python
Python基于Tkinter编写crc校验工具
2020/05/06 Python
python实现简单贪吃蛇游戏
2020/09/29 Python
Django restful framework生成API文档过程详解
2020/11/12 Python
Python中读取文件名中的数字的实例详解
2020/12/25 Python
The Hut英国:英国领先的豪华在线百货商店
2019/07/26 全球购物
万户网络JAVA程序员岗位招聘笔试试卷
2013/01/08 面试题
全国助残日活动总结
2015/05/11 职场文书
《1942》观后感
2015/06/08 职场文书
小学课改工作总结
2015/08/13 职场文书
使用 JavaScript 制作页面效果
2021/04/21 Javascript
Maven学习----Maven安装与环境变量配置教程
2021/06/29 Java/Android
python中的sys模块和os模块
2022/03/20 Python
避坑之 JavaScript 中的toFixed()和正则表达式
2022/04/19 Javascript
MySQL 数据库范式化设计理论
2022/04/22 MySQL