OpenCV 学习资料——第九章：OpenCV项目实战与代码整合

第九章：OpenCV项目实战与代码整合

本章通过完整的项目案例，讲解如何从需求分析到代码实现、测试和优化，完成实际的计算机视觉项目。

---

9.1 项目一：智能监控入侵检测系统

9.1.1 项目需求

• 目标：实现一个智能监控系统，能够检测是否有物体进入特定区域，并触发警报。
• 功能要求：
  1. 检测视频中的移动目标。
  2. 判断目标是否进入指定区域。
  3. 在入侵区域高亮显示目标并记录时间。

---

9.1.2 系统设计

1. 数据流设计

• 视频输入 → 背景建模 → 移动目标检测 → 区域判断 → 触发警报

2. 技术选型

• 背景建模：使用cv2.createBackgroundSubtractorMOG2实现动态背景分离。
• 入侵区域：通过多边形顶点定义ROI（感兴趣区域）。

---

9.1.3 实现步骤

1. 视频流读取与背景分离

python

import cv2
import numpy as np

cap = cv2.VideoCapture("surveillance.mp4")
bg_subtractor = cv2.createBackgroundSubtractorMOG2(history=500, varThreshold=50)

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # 背景分离
    fg_mask = bg_subtractor.apply(frame)
    fg_mask = cv2.medianBlur(fg_mask, 5)  # 去噪
    
    cv2.imshow("Foreground Mask", fg_mask)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

---

2. 检测入侵区域

python

# 定义入侵区域
polygon = np.array([[100, 200], [300, 200], [300, 400], [100, 400]])
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    fg_mask = bg_subtractor.apply(frame)
    fg_mask = cv2.medianBlur(fg_mask, 5)
    
    # 查找轮廓
    contours, _ = cv2.findContours(fg_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    for contour in contours:
        if cv2.contourArea(contour) < 500:  # 忽略小目标
            continue
        
        x, y, w, h = cv2.boundingRect(contour)
        centroid = (x + w // 2, y + h // 2)
        
        # 判断目标是否在入侵区域
        if cv2.pointPolygonTest(polygon, centroid, False) >= 0:
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
            cv2.putText(frame, "Intrusion Detected!", (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)
    
    # 显示入侵区域
    cv2.polylines(frame, [polygon], isClosed=True, color=(0, 255, 0), thickness=2)
    cv2.imshow("Intrusion Detection", frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

---

9.1.4 功能扩展

1. 触发警报：在检测到入侵时播放音效或发送警报邮件。
2. 数据记录：在文件中记录入侵事件时间和位置信息。

触发警报代码示例

python

import winsound

def trigger_alarm():
    winsound.Beep(1000, 500)  # 播放警报声

# 在入侵检测代码中调用此函数
trigger_alarm()

数据记录代码示例

python

from datetime import datetime

with open("intrusion_log.txt", "a") as log_file:
    log_file.write(f"Intrusion detected at {datetime.now()} in region {centroid}\n")

---

9.2 项目二：商品价格标签自动检测与识别

9.2.1 项目需求

• 目标：检测超市货架上的价格标签，并自动识别价格。
• 功能要求：
  1. 定位货架上的价格标签。
  2. 使用OCR技术提取价格文字信息。

---

9.2.2 系统设计

1. 处理步骤

• 图像预处理 → 标签检测 → OCR识别 → 数据输出

2. 技术选型

• 图像预处理：通过形态学操作增强边缘特征。
• 标签检测：使用轮廓检测。
• OCR识别：使用pytesseract库进行文字识别。

---

9.2.3 实现步骤

1. 检测价格标签

python

import cv2

img = cv2.imread("shelf.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)

# 形态学操作
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
edges = cv2.dilate(edges, kernel, iterations=1)

# 查找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    if 50 < w < 200 and 20 < h < 100:  # 根据标签尺寸过滤
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow("Price Tags", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

2. 价格识别

python

import pytesseract

# 设置tesseract路径
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# 对每个检测到的标签区域进行OCR
roi = img[y:y+h, x:x+w]
text = pytesseract.image_to_string(roi, config="--psm 7")
print(f"Detected Price: {text}")