基于OpenCV高斯模型的公共场景人流量统计

关注我，并留言，不定期送各种c++资料
代码全部在下面，就一个文件，随便添加一个空项目后就可以将下面代码替换到工程中。具体操作步骤没时间过多的写，可以看注释。代码运行没有问题，我用的是opencv344和vs2017。需要源代码和资料的请在这里下载，在我的工程里面环境已经配置好https://download.csdn.net/download/qq_41476542/14046884
代码如下：

#include<iostream>
#include<opencv2/opencv.hpp>
#include <sstream>
using namespace std;//命名空间std
using namespace cv;//命名空间cvv b
string int2str(const int &int_temp)//数据流之间的转换
{stringstream stream;//通过流来实现字符串和数字的转换string string_temp;//有不限长度的优点stream << int_temp; //将int输入流，向左移4位string_temp = stream.str();  //此处也可以用 stream>>string_temp//从stream中抽取前面插入的int值return string_temp;
} int main(int argc, const char** argv)
{VideoCapture cap;//打开摄像头对象bool update_bg_model = true;cap.open(0);// cap.open("http://113.57.246.23:8080/shot.jpg");cap.open("C:\\Users\\Administrator\\Desktop\\acvis09-5950.avi");//cap.open("D:\\qq\\demo\\vtest.avi");  if (!cap.isOpened()){printf("can not open camera or video file\n");return -1;}namedWindow("image", WINDOW_AUTOSIZE);namedWindow("foreground mask", WINDOW_AUTOSIZE);//保持原图大小namedWindow("foreground image", WINDOW_AUTOSIZE);//namedWindow("mean background image", WINDOW_AUTOSIZE);//原图大小Ptr<BackgroundSubtractorMOG2> bg_model = createBackgroundSubtractorMOG2();//(100, 3, 0.3, 5);建立背景模型Mat img, fgmask, fgimg;//定义矩阵int i = 0;for (;;)//死循环{i++;cap >> img;//由capture类输出图像if (img.empty())break;img = img(Rect(40, 0, 300, img.rows));if (fgimg.empty())fgimg.create(img.size(), img.type());//更新模型bg_model->apply(img, fgmask, update_bg_model ? -1 : 0);//背景模型的跟新medianBlur(fgmask, fgmask, 13);//有效抑制噪声的中值滤波函数，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值。输入图像输出图像尺寸大小，必须是大于1的奇数，如3、5、7……threshold(fgmask, fgmask, 150, 255, THRESH_BINARY);//# 阈值化，将非纯白色（244~255）的所有像素设为0Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));//  # 为了使效果更好，进行一次膨胀/*erode(fgmask, fgmask, element, Point(0, 0), 3);dilate(fgmask, fgmask, element, Point(0, 0), 3);*/Mat srcGrayImage = fgmask.clone();vector<vector<Point>> vContours;vector<Vec4i> vHierarchy;//  # 检测轮廓findContours(srcGrayImage, vContours, vHierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE, Point(0, 0));int count = 0;RNG rng(12345);//构造方法设定一个具体值，表示下面代码每次生成的结果都是一样的
for (int i = 0; i < vContours.size(); i++){
double area = contourArea(vContours[i], false);  //RotatedRect该类表示平面上的旋转矩形，该类对象有三个重要属性：//矩形中心点(质心)，边长(长和宽)，旋转角度。三种构造函数和三种成员操作函数RotatedRect smallRect = minAreaRect(vContours[i]);/*   RotatedRect该类表示平面上的旋转矩形，有三个属性：矩形中心点(质心)边长(长和宽)旋转角度
*/
Point2f smallRect_center = smallRect.center;float smallRect_width = smallRect.size.width;float smallRect_height = smallRect.size.height;float smallRect_angle = 0;smallRect = RotatedRect(smallRect_center, Size2f(smallRect_height, smallRect_width), smallRect_angle);//若使用Point2f，这里就使用flow1_at_point.x形式存取像素值Point2f P[4];//points()函数用于求矩形的4个顶点，smallRect.points(P);if (area>600 && area < 3000){count++;for (int j = 0; j <= 3; j++){//划线，绘制在img上line(img, P[j], P[(j + 1) % 4], Scalar(255, 0, 0), 2);}}if (area>3000&& area < 5000){count += 2;for (int j = 0; j <= 3; j++){line(img, P[j], P[(j + 1) % 4], Scalar(255, 0, 0), 2);}}}//任意值//数数的颜色Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));//写字参数1：， Mat& img，待写字的图片，我们写在img图上/*参数2：，const string& text，待写入的字，我们下面写入Hello参数3：， Point org， 第一个字符左下角坐标，我们设定在图片的Point（50, 60）坐标。表示x = 50, y = 60。参数4：，int fontFace，字体类型，FONT_HERSHEY_SIMPLEX ，FONT_HERSHEY_PLAIN ，FONT_HERSHEY_DUPLEX 等等等。参数5：，double fontScale，字体大小，我们设置为2号参数6：，Scalar color，字体颜色，颜色用Scalar（）表示，不懂得去百度。参数7：， int thickness，字体粗细，我们下面代码使用的是4号参数8：， int lineType，线型，我们使用默认值8.*/putText(img, int2str(count), Point(220, 40), FONT_HERSHEY_TRIPLEX, 1, color, 2);//设定所有的值为0.得到前景fgimg = Scalar::all(0);img.copyTo(fgimg, fgmask);Mat bgimg;得到背景bg_model->getBackgroundImage(bgimg);//？imshow("image", img);/*string windows_name = "Video/image_" + int2str(i);string windows_name_ext = windows_name + ".jpg";imwrite(windows_name_ext, img);*/imshow("foreground mask", fgmask);imshow("foreground image", fgimg);//是否图像读入if (!bgimg.empty())imshow("mean background image", bgimg);char k = (char)waitKey(1);if (k == 27) break;if (k == ' '){update_bg_model = !update_bg_model;if (update_bg_model)printf("\t>背景更新(Background update)已打开\n");else printf("\t>背景更新(Background update)已关闭\n");}}return 0;
}

基于OpenCV高斯模型的公共场景人流量统计相关推荐

基于混合高斯模型与帧差法结合的目标跟踪算法matlab仿真
目录一.理论基础二.核心程序三.仿真测试结果一.理论基础目标检测:混合高斯模型与帧差法结合的算法,与单独的混合高斯模型算法作对比,体现前者的优越性 3.要求和结果:对比改进前后的算法,可以非 ...
基于动态混合高斯模型的商品价格模型算法
1. 背景作为电子商务网站,淘宝网上的每个商品都有一个价格,该价格从一个很重要的维度上反应出一个商品的品质.但是由于该价格是由第三方卖家自己确定的,因此存在一定的随机性.一个价格过低的商品,其假货的 ...
混合高斯模型去除背景
本文转自 http://www.cnblogs.com/mfryf/archive/2012/03/29/2424024.html 基于混合高斯模型去除背景法高斯模型去除背景法也是背景去除的一种常用 ...
混合高斯模型介绍以及应用
混合高斯模型 1. 单一的高斯模型(Gaussian single model, GSM) 2. 混合高斯模型(GMM模型) 2.1 混合高斯模型直观上的理解和描述 2.2 极大似然估计(Maximu ...
opencv进阶-背景建模-(帧差法与混合高斯模型)
背景减除(Background Subtraction)是许多基于计算机视觉的任务中的主要预处理步骤.如果我们有完整的静止的背景帧,那么我们可以通过帧差法来计算像素差从而获取到前景对象.但是在大多数情 ...
OPENCV混合高斯模型原理
(本文转自转自:http://blog.sina.com.cn/s/blog_62bce98c0100shkq.html) 混合高斯模型跟高斯变量之和看起来有一点像, 注意不要把它们弄混淆了. 混合高 ...
混合高斯模型 opencv
一.GMM发展历史及现状背景建模方法有很多种,如中值法.均值法.卡尔曼滤波器模型.码本背景模型等,其中混合高斯模型是最经典的算法.GMM最早是由CHris Stauffer等在[1]中提出的,该方法 ...
【opencv】(11) 背景建模，帧差法、混合高斯模型，实战：行人检测，附python完整代码和数据集
各位同学好,今天和大家分享一下opencv背景建模相关操作.主要介绍两种背景建模方法,帧差法和混合高斯模型. 案例简介:现有一份路口摄像机拍摄的行人流视频,通过背景建模方法,区分背景和前景,完成行人识 ...
9.2【彩色模型】-----基于Opencv实现-----把一幅RGB图转为CMY图
(一)CMY模型 CMY(Cyan,Magenta,Yellow)模型是采用青,品红,黄色3种基本原色按一定比例合成颜色的方法,由于色彩的显示不是直接来自于光线的色彩,而是光线被物理吸收掉一部分之后反 ...

基于OpenCV高斯模型的公共场景人流量统计

基于OpenCV高斯模型的公共场景人流量统计相关推荐

最新文章

热门文章