当前位置：首页 > article >正文

【计算机视觉】opencv-停车位检测原理及代码演示

article 2024/12/24 5:42:59

概述

本文介绍了一种基于OpenCV库的停车场空位检测方法。通过本项目演示，可以对opencv库有更深刻的理解。文章详细阐述了检测原理、算法流程以及代码实现。

一、原理介绍

基于OpenCV的停车位检测原理涉及多个图像处理步骤，以下将结合相关公式详细介绍每个步骤：

1. 图像预处理

a. 灰度化处理

灰度化是图像处理的第一步，它将彩色图像转换为灰度图像，减少后续处理的计算量。灰度化公式如下：

Igray(x,y)=0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)Igray(x,y)=0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)

其中，R(x,y)R(x,y)、G(x,y)G(x,y)和B(x,y)B(x,y)分别是图像在点(x,y)(x,y)处的红色、绿色和蓝色通道值。

b. 高斯模糊

高斯模糊用于减少图像噪声并平滑图像。它通过高斯核与图像卷积实现，公式如下：

Iblur(x,y)=∑i=−nn∑j=−nnw(i,j)×Igray(x+i,y+j)Iblur(x,y)=i=−n∑nj=−n∑nw(i,j)×Igray(x+i,y+j)

其中，w(i,j)w(i,j)是高斯分布权重，nn是核大小的一半。

2. 阈值分割

a. 自适应阈值分割

自适应阈值分割根据图像不同区域的光照条件自动调整阈值。公式如下：

Ibin(x,y)={255if Iblur(x,y)>T(x,y)0otherwiseIbin(x,y)={2550if Iblur(x,y)>T(x,y)otherwise

其中，T(x,y)T(x,y) 是自适应阈值，计算公式为：

T(x,y)=∑i=−kk∑j=−kkIblur(x+i,y+j)(2k+1)2−CT(x,y)=(2k+1)2∑i=−kk∑j=−kkIblur(x+i,y+j)−C

这里，kk是局部区域大小的一半，CC是常数，用于调整阈值。

3. 形态学操作

a. 中值滤波

中值滤波是一种非线性数字滤波技术，用于去除图像中的椒盐噪声。它将每个像素值替换为其邻域内的中值。

b. 膨胀操作

膨胀操作用于扩大图像中的前景区域，填充小的孔洞。公式如下：

Idilate(x,y)=max⁡(i,j)∈S(Ibin(x+i,y+j)⊗K)Idilate(x,y)=(i,j)∈Smax(Ibin(x+i,y+j)⊗K)

其中，SS是结构元素KK的邻域，⊗⊗表示膨胀操作。

4. 车位检测

车位检测基于上述处理后的二值图像。以下是检测原理：

对于每个停车位的位置(x,y)(x,y)，提取相应大小的区域。
计算该区域的白色像素数量（即前景像素）。
如果白色像素数量低于某个阈值，则认为该车位为空。

最后，在原始视频帧上绘制矩形框来标记空车位，并可以在框内显示文本信息，如“空车位”。通过以上步骤，OpenCV停车位检测系统能够有效地识别出停车场中的空闲车位。这些步骤结合了图像处理和计算机视觉技术，使得系统能够适应不同的光照条件和环境变化。

二、代码演示

下面是代码的详细解释

import cv2
import pickle
import cvzone
import numpy as np

这些是导入语句，用于引入所需的库。
- cv2：用于图像处理和计算机视觉。
- pickle：用于序列化和反序列化Python对象。
- cvzone：提供一些辅助函数，用于在图像上添加文本等。
- numpy：用于数值计算。

cap = cv2.VideoCapture('carPark.mp4')

创建一个VideoCapture对象来读取视频文件。
- 参数：视频文件的路径。

with open('CarParkPos', 'rb') as f:
    posList = pickle.load(f)

打开一个包含停车场位置信息的文件，并加载这些位置到posList。
- pickle.load(f)：从文件中反序列化对象。

width, height = 107, 48

定义停车位矩形的宽度和高度。

def checkParkingSpace(imgPro):
    spaceCounter = 0
    for pos in posList:
        x, y = pos
        imgCrop = imgPro[y:y + height, x:x + width]
        count = cv2.countNonZero(imgCrop)
        if count < 900:
            color = (0, 255, 0)  # Green
            thickness = 5
            spaceCounter += 1
        else:
            color = (0, 0, 255)  # Red
            thickness = 2
        cv2.rectangle(img, pos, (pos[0] + width, pos[1] + height), color, thickness)
        cvzone.putTextRect(img, str(count), (x, y + height - 3), scale=1, thickness=2, offset=0, colorR=color)
    cvzone.putTextRect(img, f'Free: {spaceCounter}/{len(posList)}', (100, 50), scale=3, thickness=5, offset=20, colorR=(0,200,0))