Удаление шума при обнаружении полосы (слишком много ненужных строк) - PullRequest
Новая
       5

Удаление шума при обнаружении полосы (слишком много ненужных строк)

0 голосов
/ 08 февраля 2019

Я пытаюсь выполнить обнаружение полосы, код такой, как показано ниже, я применил HoughLinesP к o / p обнаружения сложных границ.Таким образом, идея состоит в том, чтобы отображать только те линии, которые есть (обычно присутствующие на видео + более вероятно, что это полоса движения, т. Е. Путем выбора угла).Я не хочу использовать какие-либо алгоритмы машинного обучения.Поэтому, пожалуйста, помогите ..

Вот подробности:

  • Код: 

    import time
import numpy as np
import matplotlib.pyplot as plt

vid = cv2.VideoCapture('4.mp4')

while True:

    #cv2.namedWindow('frame',cv2.WINDOW_NORMAL)

    ret, img_color = vid.read()

    if not ret:
        vid = cv2.VideoCapture('5.mp4')
        continue

    num_rows, num_cols = img_color.shape[:2]
    rotation_matrix = cv2.getRotationMatrix2D((num_cols/2, num_rows/2), 270, 0.56)  #3
    img_rotated = cv2.warpAffine(img_color, rotation_matrix, (num_cols, num_rows))


    height, width = img_rotated.shape[:2]
    img_resize = cv2.resize(img_rotated,(int(0.8*width), int(0.8*height)), interpolation = cv2.INTER_CUBIC) #2

    img_clone = img_resize[10:842,530:1000].copy()
    img_roi = img_resize[10+250:842-200,530:1000]


    img_gray = cv2.cvtColor(img_roi,cv2.COLOR_BGR2GRAY) #1

    kernel = [  [0,-1,0],   [-1,5,-1],  [0,-1,0]    ]
    kernel = np.array(kernel)
    img_sharp = cv2.filter2D(img_gray,-1,kernel)

    blur = cv2.GaussianBlur(img_sharp,(5,5),0)

    img_canny = cv2.Canny(blur,130,170, apertureSize = 3)   #4

    lines = cv2.HoughLinesP(img_canny, 1, np.pi/180, 60, maxLineGap = 240)
    if lines is not None:
        print(len(lines))
        for line in lines:
            x1,y1,x2,y2 = line[0]
            cv2.line(img_clone, (x1,y1+250), (x2,y2+250), (0,255,0), 2)
            #cv2.line(img_clone, (x1,y1), (x2,y2), (255,255,0), 3)


    cv2.imshow('frame',img_clone)
    cv2.imshow('frame2', img_canny)

    k = cv2.waitKey(35) & 0xFF
    if k==27 :
        break

vid.release()   
cv2.destroyAllWindows()

Вот ссылкак видео, которые я использую

В 4.mp4 вы можете видеть, что после запуска этого кода, через несколько секунд приходит человек, и в нем столько строк, сколько canny обнаруживает столько граней, чторегион, во-вторых, я зафиксировал область изображения, для которой я хочу быть динамичной, идея состоит в том, чтобы установить область изображения на основе более вероятных полос.Также появляется кластер линий, я хочу сократить его до более вероятной линии.Спасибо за чтение.

1 Ответ

0 голосов
/ 08 февраля 2019

Вы не получите намного лучших результатов.Это просто природа вашей проблемы.Теперь вам придется приступить к созданию математической модели вашей полосы движения и использовать ее линии для коррекции этой модели.

Например, вы можете отслеживать полосу движения в определенных полосах изображения, используя фильтр Калмана.Затем вы можете использовать шаг прогнозирования этого фильтра, когда наблюдаете отрезки линий, которые находятся в пределах ожидаемого угла вокруг вашей полосы наблюдения.

...