秀米网站怎么做推文,潍坊seo招聘,汅app下载大全2022,云南旅游攻略6天5晚多少钱1.基于虚拟线圈法的车辆统计
基于虚拟线圈的车流量统计算法原理与交通道路上的常见的传统的物理线圈类似#xff0c;由于物理线圈需要埋设在路面之下#xff0c;因此会有安装、维护费用高#xff0c;造成路面破坏等问题#xff0c;而采用基于视频的虚拟线圈的车辆计数方法…1.基于虚拟线圈法的车辆统计
基于虚拟线圈的车流量统计算法原理与交通道路上的常见的传统的物理线圈类似由于物理线圈需要埋设在路面之下因此会有安装、维护费用高造成路面破坏等问题而采用基于视频的虚拟线圈的车辆计数方法完全避免了以上问题且可以针对多个感兴趣区域进行检测。
虚拟线圈车辆计数法的原理是在采集到的交通流视频中在需要进行车辆计数的道路或路段上设置一条或一条以上的检测线对通过车辆进行检测从而完成计数工作。检测线的设置原则一般是在检测车道上设置一条垂直于车道线居中的虚拟线段通过判断其与通过车辆的相对位置的变化完成车流量统计的工作。如下图所示绿色的线就是虚拟检测线 在该项目中我们进行检测的方法是计算前后两帧图像的车辆检测框的中心点连线若该连线与检测线相交则计数加一否则计数不变。
那怎么判断两条线段是否相交呢
假设有两条线段ABCD若ABCD相交我们可以确定
1.线段AB与CD所在的直线相交即点A和点B分别在直线CD的两边
2.线段CD与AB所在的直线相交即点C和点D分别在直线AB的两边
上面两个条件同时满足是两线段相交的充要条件所以我们只需要证明点A和点B分别在直线CD的两边点C和点D分别在直线AB的两边这样便可以证明线段AB与CD相交了。 在上图中线段AB与线段CD相交于是我们可以得到两个向量ACADC和D分别在AB的两边向量AC在向量AB的逆时针方向AB×AC 0向量AD在向量AB的顺时针方向AB×AD 0两叉乘结果异号。
这样方法就出来了如果线段CD的两个端点C和D与另一条线段的一个端点A或B只能是其中一个连成的向量与向量AB做叉乘若结果异号表示C和D分别在直线AB的两边若结果同号则表示CD两点都在AB的一边则肯定不相交。
所以我们利用叉乘的方法来判断车辆是否经过检测线。
2.基于虚拟线圈法的实现
实现车流量检测的代码如下
1.检测AB和CD两条直线是否相交
# 检测AB和CD两条直线是否相交
def intersect(A, B, C, D):return ccw(A, C, D) ! ccw(B, C, D) and ccw(A, B, C) ! ccw(A, B, D)# 计算有ABC三点构成的向量CABA之间的关系
def ccw(A, B, C):return (C[1] - A[1]) * (B[0] - A[0]) (B[1] - A[1]) * (C[0] - A[0]) 遍历跟踪框判断其与检测线是否相交并进行车辆计数
# 遍历跟踪框
for box in boxes:(x, y) (int(box[0]), int(box[1])) # 计算跟踪框的左上角坐标(w, h) (int(box[2]), int(box[3])) # 计算跟踪框的宽和高color [int(c) for c in COLORS[indexIDs[i] % len(COLORS)]] # 对方框的颜色进行设定cv2.rectangle(frame, (x, y), (w, h), color, 2) # 将方框绘制在画面上根据当前帧的检测结果与上一帧检测的检测结过进行虚拟线圈完成车辆计数车流量统计if indexIDs[i] in previous:previous_box previous[indexIDs[i]] # 获取上一帧识别的目标框(x2, y2) (int(previous_box[0]), int(previous_box[1])) # 获取上一帧画面追踪框的左上角坐标(w2, h2) (int(previous_box[2]), int(previous_box[3])) # 获取上一帧画面追踪框的宽和高p0 (int(x (w - x) / 2), int(y (h - y) / 2)) # 获取当前帧检测框的中心点p1 (int(x2 (w2 - x2) / 2), int(y2 (h2 - y2) / 2)) # 获取上一帧检测框的中心点cv2.line(frame, p0, p1, color, 3) # 将前后两帧图像的检测结果中心连接起来进行碰撞检测-前后两帧检测框中心点的连线穿过基准线则进行计数if intersect(p0, p1, line[0], line[1]):# 总计数加1counter 1# 判断行进的方向if y2 y:counter_down 1 # 逆向行驶1else:counter_up 1 # 正向行驶1
总结
基于虚拟线圈的目标检测是设置一个垂直于车道的检测线判断跟踪车辆与检测线之间的关系完成车辆计数利用叉乘的方法来检验车辆是否与检测线相交前面我们已经完成了视频中车辆的检测功能下面我们对车辆进行跟踪并将跟踪结果绘制在视频中。
2.视频中的车流量统计
主要分为以下步骤
对目标进行追踪绘制车辆计数结果将检测结果绘制在视频中并进行保存
1.对目标进行追踪
# yolo中检测结果为0时传入跟踪器中会出现错误在这里判断下未检测到目标时不进行目标追踪if np.size(dets) 0:continueelse:tracks tracker.update(dets) # 将检测结果传入跟踪器中返回当前画面中跟踪成功的目标包含五个信息目标框的左上角和右下角横纵坐标目标的置信度# 对跟踪器返回的结果进行处理boxes [] # 存放tracks中的前四个值目标框的左上角横纵坐标和右下角的横纵坐标indexIDs [] # 存放tracks中的最后一个值置信度用来作为memory中跟踪框的Keyprevious memory.copy() # 用于存放上一帧的跟踪结果用于碰撞检测memory {} # 存放当前帧目标的跟踪结果用于碰撞检测# 遍历跟踪结果对参数进行更新for track in tracks:boxes.append([track[0], track[1], track[2], track[3]]) # 更新目标框坐标信息indexIDs.append(int(track[4])) # 更新置信度信息memory[indexIDs[-1]] boxes[-1] # 将跟踪框以key为置信度value为跟踪框坐标形式存入memory中 绘制车辆计数的相关信息 cv2.line(frame, line[0], line[1], (0, 255, 0), 3) # 根据设置的基准线将其绘制在画面上cv2.putText(frame, str(counter), (30, 80), cv2.FONT_HERSHEY_DUPLEX, 3.0, (255, 0, 0), 3) # 绘制车辆的总计数cv2.putText(frame, str(counter_up), (130, 80), cv2.FONT_HERSHEY_DUPLEX, 3.0, (0, 255, 0), 3) # 绘制车辆正向行驶的计数cv2.putText(frame, str(counter_down), (230, 80), cv2.FONT_HERSHEY_DUPLEX, 3.0, (0, 0, 255), 3) # 绘制车辆逆向行驶的计数 将结果保存在视频中 # 未设置视频的编解码信息时执行以下代码if writer is None:# 设置编码格式fourcc cv2.VideoWriter_fourcc(*mp4v)# 视频信息设置writer cv2.VideoWriter(./output/output.mp4,fourcc,30,(frame.shape[1], frame.shape[0]),True)# 将处理后的帧写入到视频中writer.write(frame)# 显示当前帧的结果cv2.imshow(, frame)# 按下q键退出if cv2.waitKey(1) 0xFF ord(q):break 总结 对目标进行追踪 绘制车辆计数的相关信息 将结果保存在视频中
