如何在静态图像opencv c ++中执行canny edge之后识别汽车

Question

我是OpenCV的新手，我想知道如何在一张精巧的图像中识别汽车 因为我想根据它们的边缘来计算图像中的汽车。

这是canny edged图像

这是原始图片

Answer 1

使用background subtraction可以解决在给定场景中识别动态对象的一般问题，例如计数等。

这个想法是使用OpenCV提供的这种技术的一种实现，例如BackgroundSubtractorMOG，通过提供视频流的每一帧来为它构建场景的背景模型。它将识别场景的哪些特征最可能是静态的，以构建最可能背景的合成图像，在您的情况下没有汽车的停车场。然后，您将从此syntetic背景中减去给定的帧，并计算具有最小大小的 blobs ，即大到足以成为车辆。

结果令人印象深刻，我特别喜欢这种技巧。在youtube上，您可以查看一些示例，我建议this one，这与您的特定情况非常接近。 This one here也非常有趣，因为它与当前帧并排显示同步背景图像，因此您可以看到它的工作原理。在最后一个视频的00:50附近密切关注，你可以在背景图片上慢慢看到出现，因为它在同一个地方停留的时间太长了。

Answer 2

人类不善于发现事物吗？你甚至可以识别出canny边缘图像中的汽车，即使没有一个轮子可见。

无论如何，你使用canny边缘检测的主要原因是因为你有一个每秒10-100百万像素的数据流。你需要在那里快速找到有趣的位。正如你的图像所示，它的作用非常棒。

现在，为了计算停车位中的实际车辆，我会建议一个固定的设置程序来识别潜在的停车位。无论如何，你不想算过往车。通过检查canny图像中的并行线组，可以使此步骤半自动化。

一旦确定了停车位，定义一个面罩可能是个好主意。使用此蒙版将非停车点像素归零。 （在精确边缘检测之前执行此操作也会加速该过程，但显然会在蒙版周围添加假边缘，因此您必须重新应用蒙版。）

现在它只是检查停车位是否有足够大的东西。你可能不在乎摩托车是否算作汽车。为此，请使用canny边缘将汽车像素与周围的停车场像素分开，并计算它们是否不同（颜色/亮度/纹理/...)