主頁 >  其他 > OpenCV 360度行車輔助系統——紅綠燈智能預判

OpenCV 360度行車輔助系統——紅綠燈智能預判

2021-08-10 09:24:27 其他

  1. AI學習紅綠燈

此功能僅限前置攝像頭,當視頻剛開始播放時,通過自研AI演算法學習紅綠像素高頻出現的位置,學習結束后根據學習結果判斷是否使用AI紅綠燈 區域,并在接下來的視頻部分針對區域進行紅綠燈識別,

檢測到紅燈則在視頻底端顯示“Red”字樣,檢測到綠燈則在視頻底端顯示“Green”字樣,

1、收集前5%幀的紅綠色素點

2、按照坐標大小排序,刪掉前后10%,刪掉例外大、小的值

3、篩選后判斷結果數量是否充足,充足則開始使用,不足則用系統默認的區域

4、在應用的程序中持續監測紅綠像素,如果出現大幅度像素密集點偏移,則重新學習

Mat player::RG_detector(Mat frame)
{
    Mat detected_frame = frame.clone();

    Mat roi(detected_frame, Rect(400,200,400,100));

    Rect detected_rect(400,200,400,100);
    //調整亮度
    frame.convertTo(img, img.type(), a, b);

    //轉換為YCrCb顏色空間
    cvtColor(img, imgYCrCb, CV_BGR2YCrCb);

    imgRed.create(imgYCrCb.rows, imgYCrCb.cols, CV_8UC1);
    imgGreen.create(imgYCrCb.rows, imgYCrCb.cols, CV_8UC1);

    //分解YCrCb的三個成分
    vector<Mat> planes;
    split(imgYCrCb, planes);
    // 遍歷以根據Cr分量拆分紅色和綠色
    MatIterator_<uchar> it_Cr = planes[1].begin<uchar>(),
                        it_Cr_end = planes[1].end<uchar>();
    MatIterator_<uchar> it_Red = imgRed.begin<uchar>();
    MatIterator_<uchar> it_Green = imgGreen.begin<uchar>();

    for (; it_Cr != it_Cr_end; ++it_Cr, ++it_Red, ++it_Green)
    {
        // RED, 145<Cr<470
        if (*it_Cr > 145 && *it_Cr < 470)
            *it_Red = 255;
        else
            *it_Red = 0;

        // GREEN 95<Cr<110
        if (*it_Cr > 95 && *it_Cr < 110)
            *it_Green = 255;
        else
            *it_Green = 0;
    }

    redCount = processImgR(imgRed);
    greenCount = processImgG(imgGreen);
    cout << "red:" << redCount << ";  " << "green:" << greenCount << endl;

    if(currentFrameNumber < 50)
    {
        putText(frame, "AI learning", hintTextPoint, font_face, font_scale, Scalar(135, 74, 32), thickness, 8, 0);
    }
    else
    {
        if(redCount > greenCount )
        {
            putText(frame, "Red", hintTextPoint, font_face, font_scale, Scalar(41, 41, 239), thickness, 8, 0);
        }
        else if(redCount < greenCount )
        {
            putText(frame, "Green", hintTextPoint, font_face, font_scale, Scalar(22, 210, 115), thickness, 8, 0);
        }
    }
    return frame;
}


bool player::RGB_AI_learn_x_y(int x, int y)
{
    if(currentFrameNumber <= totalFrameNumber / 20)
    {
        if(y <= frame.cols/2)
        {
            RGB_learn_array_x.push_back(x);
            RGB_learn_array_y.push_back(y);
        }
    }

    else
    {
        sort(RGB_learn_array_x.begin(), RGB_learn_array_x.end());
        sort(RGB_learn_array_y.begin(), RGB_learn_array_y.end());

        if(int subArrayNum = RGB_learn_array_x.size() - RGB_learn_array_y.size() != 0)
        {
            //洗掉多余元素
            if(subArrayNum > 0)
            {
                for(int i=0; i<subArrayNum; i++)
                {
                    RGB_learn_array_x.pop_back();
                }
            }
            else if(subArrayNum < 0)
            {
                for(int i=0; i>subArrayNum; i--)
                {
                    RGB_learn_array_y.pop_back();
                }
            }
        }
        int delete_count = 0, delete_total = RGB_learn_array_x.size()/10;
        for(delete_count = 0; delete_count < delete_total; delete_count++)
        {
            //洗掉 10% 較大值
            RGB_learn_array_x.pop_back();
            RGB_learn_array_y.pop_back();
        }

        sort(RGB_learn_array_x.rbegin(), RGB_learn_array_x.rend());
        sort(RGB_learn_array_y.rbegin(), RGB_learn_array_y.rend());
        for(delete_count = 0; delete_count < delete_total; delete_count++)
        {
            //洗掉 10% 較小值
            RGB_learn_array_x.pop_back();
            RGB_learn_array_y.pop_back();
        }

        sort(RGB_learn_array_x.begin(), RGB_learn_array_x.end());
        sort(RGB_learn_array_y.begin(), RGB_learn_array_y.end());

        long long int sum_x, sum_y;
        sum_x = accumulate(begin(RGB_learn_array_x),end(RGB_learn_array_x), 0);
        sum_y = accumulate(begin(RGB_learn_array_y),end(RGB_learn_array_y), 0);

        //計算均值
        RGB_learn_x = (int)sum_x / RGB_learn_array_x.size();
        RGB_learn_y = (int)sum_y / RGB_learn_array_y.size();
        //計算范圍
        RGB_learn_w = RGB_learn_array_x.end() - RGB_learn_array_x.begin();
        RGB_learn_h = RGB_learn_array_y.end() - RGB_learn_array_y.begin();

        if(RGB_learn_array_x.size()>50)
            return true;//如果學習到大量紅綠燈,認為學習有效
        else return false;
    }
}

int player::processImgR(Mat src)
{
    Mat tmp;

    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    vector<Point> hull;

    CvPoint2D32f tempNode;
    CvMemStorage* storage = cvCreateMemStorage();
    CvSeq* pointSeq = cvCreateSeq(CV_32FC2, sizeof(CvSeq), sizeof(CvPoint2D32f), storage);

    Rect* trackBox;
    Rect* result;
    int resultNum = 0;

    int area = 0;

    src.copyTo(tmp);
    //提取輪廓
    findContours(tmp, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);

    if (contours.size() > 0)
    {
        trackBox = new Rect[contours.size()];
        result = new Rect[contours.size()];

        //確定要跟蹤的區域
        for (int i = 0; i < contours.size(); i++)
        {
            cvClearSeq(pointSeq);
            // 獲取凸包的點集
            convexHull(Mat(contours[i]), hull, true);
            int hullcount = (int)hull.size();
            // 凸包的保存點
            for (int j = 0; j < hullcount - 1; j++)
            {
                //if(HoughCircle_detector(src) > 1)
                {
                    bool final_learn_result;
                    if(currentFrameNumber <= totalFrameNumber / 20)
                    {

                        //前面 5% 幀用來學習紅綠燈位置
                        final_learn_result = RGB_AI_learn_x_y(hull[j].x, hull[j].y);
                    }
                    else
                    {
                        if(final_learn_result == true)
                        {
                            //學習有效,使用AI識別紅綠燈
                            if(hull[j].x >= RGB_learn_x-RGB_learn_w/2 && hull[j].x <= RGB_learn_x+RGB_learn_w/2 &&
                               hull[j].y >= RGB_learn_y-RGB_learn_h/2 && hull[j].y <= RGB_learn_y+RGB_learn_h/2)
                            {
                                //cout<<"AI success!"<<endl;
                                tempNode.x = hull[j].x;
                                tempNode.y = hull[j].y;
                                cvSeqPush(pointSeq, &tempNode);
                            }
                        }
                        else
                        {
                            if(hull[j].x >= 400 && hull[j].x <= 800 &&
                               hull[j].y >= 400 && hull[j].y <= 550)
                            {
                                tempNode.x = hull[j].x;
                                tempNode.y = hull[j].y;
                                cvSeqPush(pointSeq, &tempNode);
                            }
                        }
                    }

                }
            }

            trackBox[i] = cvBoundingRect(pointSeq);
        }

        if (isFirstDetectedR)
        {
            lastTrackBoxR = new Rect[contours.size()];
            for (int i = 0; i < contours.size(); i++)
                lastTrackBoxR[i] = trackBox[i];
            lastTrackNumR = contours.size();
            isFirstDetectedR = false;
        }
        else
        {
            for (int i = 0; i < contours.size(); i++)
            {
                for (int j = 0; j < lastTrackNumR; j++)
                {
                    if (isIntersected(trackBox[i], lastTrackBoxR[j]))
                    {
                        result[resultNum] = trackBox[i];
                        break;
                    }
                }
                resultNum++;
            }
            delete[] lastTrackBoxR;
            lastTrackBoxR = new Rect[contours.size()];
            for (int i = 0; i < contours.size(); i++)
            {
                lastTrackBoxR[i] = trackBox[i];
            }
            lastTrackNumR = contours.size();
        }

        delete[] trackBox;
    }
    else
    {
        isFirstDetectedR = true;
        result = NULL;
    }
    cvReleaseMemStorage(&storage);

    if (result != NULL)
    {
        for (int i = 0; i < resultNum; i++)
        {
            area += result[i].area();
        }
    }
    delete[] result;

    return area;
}

int player::processImgG(Mat src)
{
    Mat tmp;

    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    vector< Point > hull;

    CvPoint2D32f tempNode;
    CvMemStorage* storage = cvCreateMemStorage();
    CvSeq* pointSeq = cvCreateSeq(CV_32FC2, sizeof(CvSeq), sizeof(CvPoint2D32f), storage);

    Rect* trackBox;
    Rect* result;
    int resultNum = 0;

    int area = 0;

    src.copyTo(tmp);
    // Extract the contour
    findContours(tmp, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);

    if (contours.size() > 0)
    {
        trackBox = new Rect[contours.size()];
        result = new Rect[contours.size()];

        // Determine the area to track
        for (int i = 0; i < contours.size(); i++)
        {
            cvClearSeq(pointSeq);
            // Get the point set of the convex hull
            convexHull(Mat(contours[i]), hull, true);
            int hullcount = (int)hull.size();
            // Save points of the convex hull
            for (int j = 0; j < hullcount - 1; j++)
            {
                //if(HoughCircle_detector(src) > 1)
                {
                    bool final_learn_result;
                    if(currentFrameNumber <= totalFrameNumber / 20)
                    {
                        //前面 5% 幀用來學習紅綠燈位置
                        final_learn_result = RGB_AI_learn_x_y(hull[j].x, hull[j].y);
                    }
                    else
                    {
                        if(final_learn_result == true)
                        {
                            //學習有效,使用AI識別紅綠燈
                            if(hull[j].x >= RGB_learn_x-RGB_learn_w/2 && hull[j].x <= RGB_learn_x+RGB_learn_w/2 &&
                               hull[j].y >= RGB_learn_y-RGB_learn_h/2 && hull[j].y <= RGB_learn_y+RGB_learn_h/2)
                            {
                                //cout<<"AI success!"<<endl;
                                tempNode.x = hull[j].x;
                                tempNode.y = hull[j].y;
                                cvSeqPush(pointSeq, &tempNode);
                            }
                        }
                        else
                        {
                            if(hull[j].x >= 400 && hull[j].x <= 800 &&
                               hull[j].y >= 400 && hull[j].y <= 550)
                            {
                                tempNode.x = hull[j].x;
                                tempNode.y = hull[j].y;
                                cvSeqPush(pointSeq, &tempNode);
                            }
                        }
                    }

                }

            }

            trackBox[i] = cvBoundingRect(pointSeq);
        }

        if (isFirstDetectedG)
        {
            lastTrackBoxG = new Rect[contours.size()];
            for (int i = 0; i < contours.size(); i++)
                lastTrackBoxG[i] = trackBox[i];
            lastTrackNumG = contours.size();
            isFirstDetectedG = false;
        }
        else
        {
            for (int i = 0; i < contours.size(); i++)
            {
                for (int j = 0; j < lastTrackNumG; j++)
                {
                    if (isIntersected(trackBox[i], lastTrackBoxG[j]))
                    {
                        result[resultNum] = trackBox[i];
                        break;
                    }
                }
                resultNum++;
            }
            delete[] lastTrackBoxG;
            lastTrackBoxG = new Rect[contours.size()];
            for (int i = 0; i < contours.size(); i++)
            {
                lastTrackBoxG[i] = trackBox[i];
            }
            lastTrackNumG = contours.size();
        }

        delete[] trackBox;
    }
    else
    {
        isFirstDetectedG = true;
        result = NULL;
    }
    cvReleaseMemStorage(&storage);

    if (result != NULL)
    {
        for (int i = 0; i < resultNum; i++)
        {
            area += result[i].area();
        }
    }
    delete[] result;

    return area;
}

轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/292817.html

標籤:其他

上一篇:opencv的圖片處理與視頻函式處理函式1

下一篇:FPGA實作車牌識別 一.MATLAB車牌提取

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種:三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看,三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看,三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統,“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及:虛擬機CentOs下執行 yum -y install lrzsz命令,出現錯誤:鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示:其實很簡單,往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號, sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求,SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生, 2020-08-28 16:18:25 分類專欄: kail 網路安全 linux 文章標簽: linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么? 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼: #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘(北斗授時服務器)讓網路資料更精準

    北斗電力時鐘(北斗授時服務器)讓網路資料更精準 北斗電力時鐘(北斗授時服務器)讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年,資訊技術的得了快速發展,互聯網在逐漸普及,其在人們生活和生產中都得到了廣泛應用,并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用,一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub:https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺,后來才有了CTFHub。 感覺不論是網頁UI設計,還是題目質量,賽事跟蹤,工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解(net user / type /md /rd/ dir /cd /net use copy、批處理 等) 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝,密碼啊破解03Linux常用命令04LAMP 01LINUX windows: win03 8 12 16 19 配置不繁瑣 Linux:redhat,centos(紅帽社區版),Ubuntu server,suse unix:金融機構,證券,銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 (POST注入/XSS漏洞上傳)3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題,描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章,不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》,我也是第一時間得知了這個訊息,然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本: 個人認為這件事也沒什么,還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹:metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包,它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一,它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip:192.168.20.121 靶機ip:192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k,軟體測驗工程師的漲薪史,給我看哭了

    清明節一過,盲猜大家已經無心上班,在數著日子準備過五一,但一想到銀行卡里的余額……瞬間心情就不美麗了。最近,2023年高校畢業生就業調查顯示,本科畢業月平均起薪為5825元。調查一出,便有很多同學表示自己又被平均了。看著這一資料,不免讓人想到前不久中國青年報的一項調查:近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文,所以對學習母語的我們非常不友好 使用網址:https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜,前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜,自動化測驗的需求也越來越高。如今,自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分,它們可以幫助開發人員更快地發現和修復錯誤,提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐:4個DVPP記憶體問題的典型案例解讀

    摘要:由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求(例如,記憶體首地址128位元組對齊),因此需呼叫專用的記憶體申請介面,那么本期就分享幾個關于DVPP記憶體問題的典型案例,并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》,作者:昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊,輔助滲透(埠掃描、登錄密碼爆破、漏洞驗證等) 2、encoders 編碼器模塊,主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手:與相機連接,設定相機引數,采集影像 2) 標定助手:九點標定或是其它的標定,生成標定檔案及內參外參,可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客,先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp),這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接: https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more