一：车辆识别运动目标检测

二：车辆识别实现超详细步骤解析

步骤一：灰度化处理

灰度处理目的 RGB三通道转灰度单通道压缩到原图片三分之一大小

效果展示：【避免内存浪费帧差法对前后帧图像灰度化处理】 cvtColor

//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//后一帧灰度化处理//imshow("frontGray",frontGray);//测试//imshow("afterGray",afterGray);//测试

步骤二：帧差处理

帧差处理目的找到帧与帧之间的差异（找出正在运动的物体）

效果展示：【运动目标的检测：运动事物显示灰度，静止事物显示黑度】 absdiff

 //2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)Mat diff;Mat frontGray,afterGray;absdiff(frontGray,afterGray,diff);//前后帧对比存于diff中imshow("diff",diff);//测试

步骤三：二值化处理

二值化处理目的将灰度图继续识别转换为黑白分明的图像 threshold

效果展示：【步骤二中运动事物显示灰度，静止事物显示黑度，在这里进行二值化处理，能够黑白分明，便于计算机识别运动目标，如下右图二值化处理后黑白分明】【缺点：存在白色噪点，如下右图除了车辆外后面的背景也显示白度，这就是白色噪点，需要去除】

    //3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像threshold(diff,diff,25,255,CV_THRESH_BINARY);imshow("threshold",diff);//测试

步骤四：图像降噪

4-1 腐蚀处理目的去除白色噪点

效果展示：【步骤三中存在的白色噪点能够去除，但是在去除白色噪点的同时，也影响了车辆的白度显示，如下右图可以看出，车辆白度显示有所降低，因此还是需要改进】erode

    //4 图像降噪//4-1 腐蚀处理 目的 去除白色噪点Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀erode(diff,diff,element);imshow("erode",diff);//测试

4-2 膨胀处理目的把白色区域变大

效果展示：【如下右图，膨胀处理将车辆形状大致显示，便于框选车辆识别操作】dilate

    //4-2 膨胀 目的 把白色区域变大Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));dilate(diff,diff,element2);imshow("dilate",diff);//测试

步骤五：提取关键点框选运动目标检测

效果展示：车辆识别运行目标检测框选识别行进的车辆

    //5 提取关键点//5-1 查找特征点vector<vector<Point>>contours;findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));//5-2 提取关键点vector<vector<Point>>contours_poly(contours.size());vector<Rect>boundRect(contours.size());//5-3 确定下四个点来用于框选目标物体int x,y,w,h;int num=contours.size();for(int i = 0;i < num;i++){approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);//多边拟合boundRect[i]=boundingRect(Mat(contours_poly[i]));x=boundRect[i].x;y=boundRect[i].y;w=boundRect[i].width;h=boundRect[i].height;//绘制矩形rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);}

三：车辆识别完整源码分享

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;Mat moveCheck(Mat &frontFrame,Mat &afterFrame)
{Mat resFrame,diff;Mat frontGray,afterGray;//克隆当前帧画面 返回最终结果resFrame = afterFrame.clone();//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小cvtColor(frontFrame,frontGray,CV_RGB2GRAY);cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//imshow("frontGray",frontGray);//imshow("afterGray",afterGray);//2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)absdiff(frontGray,afterGray,diff);//imshow("diff",diff);//3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像threshold(diff,diff,25,255,CV_THRESH_BINARY);//imshow("threshold",diff);//4 图像降噪//4-1 腐蚀处理 目的 去除白色噪点Mat element = cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀erode(diff,diff,element);//imshow("erode",diff);//4-2 膨胀 目的 把白色区域变大Mat element2=cv::getStructuringElement(MORPH_RECT,Size(20,20));dilate(diff,diff,element2);//imshow("dilate",diff);//5 提取关键点//5-1 查找特征点vector<vector<Point>>contours;findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));//5-2 提取关键点vector<vector<Point>>contours_poly(contours.size());vector<Rect>boundRect(contours.size());//5-3 确定下四个点来用于框选目标物体int x,y,w,h;int num=contours.size();for(int i = 0;i < num;i++){approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);//多边拟合boundRect[i]=boundingRect(Mat(contours_poly[i]));x=boundRect[i].x;y=boundRect[i].y;w=boundRect[i].width;h=boundRect[i].height;//绘制矩形rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);}return resFrame;
}int main(int argc, char *argv[])
{Mat frame;Mat temp;Mat res;int count = 0;VideoCapture cap("D:/00000000000003jieduanshipincailliao/carMove.mp4");//视频路径while (cap.read(frame)){count++;if(count == 1){res = moveCheck(frame,frame);}else{res = moveCheck(temp,frame);}imshow("frame",frame);imshow("res",res);//最终车辆识别成果temp = frame.clone();waitKey(15);}return 0;
}