imlementacja sledzenia pojazdow i kierunku ich ruchu. Zliczanie przejezdzajacych pojazdow.

main.py

@@ -1,68 +1,199 @@
 import cv2
+import numpy as np
+import vehicles
+import time
 
-input_video = 'data/video_1.avi'
-size = 1.0  #wielkosc obrazu
-
-cap = cv2.VideoCapture(input_video)
-height, width, frames_count, fps = cap.get(cv2.CAP_PROP_FRAME_HEIGHT), cap.get(
-    cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_COUNT), cap.get(cv2.CAP_PROP_FPS),
-
-height = int(height)
-width = int(width)
-print(height, width, frames_count, fps)
-
-sub = cv2.createBackgroundSubtractorMOG2()  # utworz background subtractor
+counter_up=0    #licznik pojazdow jadacych w gore
+counter_down=0  #licznik pojazdow jadacych w dol
 
 while True:
+    user_choice = input("Wybierz nagranie:\n1. video_1.mp4\n2. video_2.avi\n")
+    if user_choice == "1":
+        input_video = 'data/video_1.avi'
+        vid_name = 'video_1'
+        kernelSize = 6
+        break
+    elif user_choice == "2":
+        input_video = 'data/video_2.mp4'
+        vid_name = 'video_2'
+        kernelSize = 3
+        break
+
+cap = cv2.VideoCapture(input_video)
+
+height, width, frames_count, fps = cap.get(cv2.CAP_PROP_FRAME_HEIGHT), cap.get(
+    cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_COUNT), cap.get(cv2.CAP_PROP_FPS),
+height = int(height)
+width = int(width)
+frameArea = height*width
+
+print("Wysokosc", height, "szerokosc", width, "liczba klatek", frames_count, "fps",fps)
+font = cv2.FONT_HERSHEY_SIMPLEX
+"""
+#Polozenie linii "mety" (na srodku kadru)
+lineUpper = int(4*(height/10))
+lineLower = int(6*(height/10))
+
+upLimit = int(2*(height/10))
+downLimit = int(8*(height/10))
+"""
+#Polozenie linii "mety" (w dolnej czesci kadru)
+lineUpper = int(7*(height/10))
+lineLower = int(8*(height/10))
+
+upLimit = int(4*(height/10))
+downLimit = int(10*(height/10))
+
+print("Zielona linia y:",str(lineLower))
+print("Czerwona linia y:",str(lineUpper))
+lineLower_color = (0,255,0)
+lineUpper_color = (0,0,255)
+point1 =  [0, lineLower]
+point2 =  [width, lineLower]
+points_lineLower = np.array([point1,point2], np.int32)
+# Przekształcenie tablicy do 1x2, polecane w dokumentacji OpenCV ale chyba zbedne w tym przypadku
+#points_lineLower = points_lineLower.reshape((-1,1,2))
+point3 =  [0, lineUpper]
+point4 =  [width, lineUpper]
+points_LineUpper = np.array([point3,point4], np.int32)
+#points_LineUpper = points_LineUpper.reshape((-1,1,2))
+point5 =  [0, upLimit]
+point6 =  [width, upLimit]
+points_upLimit = np.array([point5,point6], np.int32)
+#points_upLimit = points_upLimit.reshape((-1,1,2))
+point7 =  [0, downLimit]
+point8 =  [width, downLimit]
+points_downLimit= np.array([point7,point8], np.int32)
+#points_downLimit = points_downLimit.reshape((-1,1,2))
+
+sub=cv2.createBackgroundSubtractorMOG2()    # utworz background subtractor
+
+size = 1.0  #wielkosc obrazu
+cars = []
+maxAllowedAge = 3 #przez ile klatek "zgubiony" pojazd bedzie pozostawal na liscie do "sledzenia"
+id = 1
+
+
+while(cap.isOpened()):
     ret, frame = cap.read()
-    if not ret:  # jezeli film sie zakonczyl
-        #frame = cv2.VideoCapture(input_video)
-        #continue
-        break
-    if ret: #przetwarzanie kadru
-        input_vid = cv2.resize(frame, (0, 0), None, size, size)  # rozmiar obrazu
-        cv2.imshow("bez zmian", input_vid)  # wyswietlanie filmu wejsciowego bez zmian
-        gray = cv2.cvtColor(input_vid, cv2.COLOR_BGR2GRAY)
-        cv2.imshow("czarnobialy", gray)  # wyswietlanie filmu w skali szarosci
-        fgMask = sub.apply(gray)  # uzycie background subtraction
-        cv2.imshow("fgMask", fgMask)
+    for i in cars:
+        i.age_one()
+
+    if ret == True: #przetwarzanie kadru
+
+        #frame = cv2.resize(frame, (0, 0), None, size, size)  # rozmiar obrazu. Bez zmian
+        #cv2.imshow("bez zmian", frame)  # wyswietlanie filmu wejsciowego bez zmian
+        #gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+        #cv2.imshow("czarnobialy", gray)  # wyswietlanie filmu w skali szarosci
+        fgMask = sub.apply(frame)  # uzycie background subtraction
+        fgMask2 = sub.apply(frame)
+        #cv2.imshow("fgMask", fgMask)
         # operacje morfologiczne. Wg tutoriala na docs.opencv.org. Opening, closing - usuwanie szumów
-        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))  # kernel to apply to the morphology
-        closing = cv2.morphologyEx(fgMask, cv2.MORPH_CLOSE, kernel)
-        #cv2.imshow("closing", closing)
-        opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel)
-        #cv2.imshow("opening", opening)
-        dilation = cv2.dilate(opening, kernel)
-        #cv2.imshow("dilation", dilation)
-        retvalbin, bins = cv2.threshold(dilation, 220, 255, cv2.THRESH_BINARY)  # Thresholding/binaryzacja obrazu usuwanie cieni
-        #cv2.imshow('bins',bins)
-        # obrysowywanie
-        contours, hierarchy = cv2.findContours(bins, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)    # RETR_EXTERNAL - bierz pod uwage najbardziej 'zewnetrzne' kontury
+        #Binarization
+        ret,imBinary = cv2.threshold(fgMask,200,255,cv2.THRESH_BINARY)
+        #cv2.imshow("binarny", imBinary)
 
-        minContourSize = 400
-        maxContourSize = 50000
+        kernelOpening = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (kernelSize, kernelSize))  # kernels to apply to the morphology
+        kernelClosing = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11, 11))
+        #Opening is just another name of erosion followed by dilation.
+        #It is useful in removing noise
+        mask = cv2.morphologyEx(imBinary,cv2.MORPH_OPEN,kernelOpening)
+        #cv2.imshow("opening", mask)
 
-        for i in range(len(contours)):  # przejdz wszystkie kontury w kadrze
-            if hierarchy[0, i, 3] == -1:  # uzycie hierarchii zeby uwzgledniac tylko "rodzicow" (najbardziej zewnetrzne kontury)
-                area = cv2.contourArea(contours[i])
-                if minContourSize < area < maxContourSize:  # nie obrysowuj zbyt duzych i malych obiektow
-                    # obliczanie centoidu konturu (czyli srodka) za pomoca tzw "momentow"
-                    centroid = contours[i]
-                    moments = cv2.moments(centroid)
-                    cx = int(moments['m10'] / moments['m00'])
-                    cy = int(moments['m01'] / moments['m00'])
+        #Closing is reverse of Opening, Dilation followed by Erosion.
+        #It is useful in closing small holes inside the foreground objects, or small black points on the object.
+        mask = cv2.morphologyEx(mask,cv2.MORPH_CLOSE,kernelClosing)
+        cv2.imshow("closing", mask)
 
-                    # punkty graniczne (bounding points) konturu. x,y to wspolrzedne lewego gornego rogu, w,h to szerokosc i wysokosc prostokata
-                    x, y, w, h = cv2.boundingRect(centroid)
-                    # utworz prostokat wokol konturu
-                    cv2.rectangle(input_vid, (x, y), (x + w, y + h), (255, 0, 0), 2)
+        # kontury (obrysowywanie)
+        contours,hierarchy=cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)   # RETR_EXTERNAL - bierz pod uwage najbardziej 'zewnetrzne' kontury
 
-    cv2.imshow("wykryte pojazdy", input_vid)
+        # kontury zajmujace zbyt duza lub mala czesc kadru beda ignorowane
+        maxContourSize = frameArea / 4
+        minContourSize = frameArea / 400
+
+        for j in range(len(contours)):   # przejdz wszystkie kontury w kadrze
+            area = cv2.contourArea(contours[j])
+            #print("wielkosc konturu:",area)
+            if minContourSize < area < maxContourSize:  # zbyt duze i male obiekty sa ignorowane
+                ####        Sledzenie konturow      ######
+                centroid = contours[j]
+                moments = cv2.moments(centroid)
+                cx = int(moments['m10'] / moments['m00'])
+                cy = int(moments['m01'] / moments['m00'])
+
+                # punkty graniczne (bounding points) konturu. x,y to wspolrzedne lewego gornego rogu, w,h to szerokosc i wysokosc prostokata
+                x, y, w, h = cv2.boundingRect(centroid)
+
+                new = True    #przyjmij ze kontur to nowy pojazd
+                if cy in range(upLimit,downLimit):    # sprawdz czy jest wart sledzenia (czyli miedzy szarymi liniami limitujacymi)
+                    for i in cars:
+                        # jesli odnajdziesz sledzony kontur o bardzo zblizonych koordynatach,
+                        #przymij ze to ten sam i zaktualizuj jego polozenie
+                        if abs(x - i.getX()) <= w and abs(y - i.getY()) <= h:   #abs function calculates an absolute value of each matrix element.
+                            new = False
+                            i.updateCoords(cx, cy)
+                            #sprawdz czy prekroczyl mete
+                            if i.going_UP(lineLower,lineUpper) == True:
+                                counter_up+=1
+                                print("Pojazd o ID:",i.getId(),'przekroczyl linie mety w gore o czasie:', time.strftime("%c"))
+                            elif i.going_DOWN(lineLower,lineUpper) == True:
+                                counter_down+=1
+                                print("Pojazd o ID:", i.getId(), 'przekroczyl linie mety w dol o czasie:', time.strftime("%c"))
+                            break
+                            #jesli kierunek ruchu jest znany i linia mety zostala przekroczona, przestan sledzic i usun z listy
+                        if i.getState() == '1':
+                            if i.getDir() == 'down'and i.getY() > downLimit:
+                                i.setDone()
+                            elif i.getDir() == 'up'and i.getY() < upLimit:
+                                i.setDone()
+                        if i.timedOut():
+                            index=cars.index(i)
+                            cars.pop(index)
+                            del i
+
+                    if new == True: #Jesli kontur nie byl dotychczas sledzony, dodaj nowy samochod do listy
+                        newCar=vehicles.Car(id,cx,cy,maxAllowedAge)
+                        cars.append(newCar)
+                        id+=1
+
+                    cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
+
+        #for i in cars:
+            #cv2.putText(frame, str(i.getId()), (i.getX(), i.getY()), font, 0.3, i.getRGB(), 1, cv2.LINE_AA)    #wypisywanie id
 
 
-    key = cv2.waitKey(60)
-    if key == 27:   #Wyjdz po nacisnieciu escape
+
+
+        str_up='W GORE: '+str(counter_up)
+        str_down='W DOL: '+str(counter_down)
+        frame = cv2.polylines(frame,[points_lineLower],False,lineLower_color,thickness=2)
+        frame = cv2.polylines(frame,[points_LineUpper],False,lineUpper_color,thickness=2)
+        frame = cv2.polylines(frame,[points_upLimit],False,(255,255,255),thickness=1)
+        frame = cv2.polylines(frame,[points_downLimit],False,(255,255,255),thickness=1)
+        cv2.putText(frame, str_up, (10, 40), font, 0.5, (255, 255, 255), 2, cv2.LINE_AA)    #biale tlo zeby licznik byl wyrazniejszy
+        cv2.putText(frame, str_up, (10, 40), font, 0.5, lineUpper_color, 1, cv2.LINE_AA)
+        cv2.putText(frame, str_down, (10, 90), font, 0.5, (255, 255, 255), 2, cv2.LINE_AA)  #biale tlo zeby licznik byl wyrazniejszy
+        cv2.putText(frame, str_down, (10, 90), font, 0.5, lineLower_color, 1, cv2.LINE_AA)
+        cv2.imshow('Frame',frame)
+
+        key = cv2.waitKey(60)
+        if key == 27:  # Wyjdz po nacisnieciu escape
+            break
+
+    else:
         break
-
+timestr = time.strftime("%Y_%m_%d-%H_%M_%S")
+f = open("traffic logs/"+vid_name+" "+timestr+".txt","w+")
+f.write("Natężenie ruchu:\r\nliczba samochodów jadących w górę: %d\rliczba samochodów jadących w dół: %d" %(counter_up, counter_down))
 cap.release()
-cv2.destroyAllWindows()
+cv2.destroyAllWindows()
+
+
+
+
+
+
+
+
+

vehicles.py

@@ -0,0 +1,83 @@
+from random import randint
+import time
+
+class Car:
+    tracks=[]
+    def __init__(self,id,xi,yi,max_age):
+        self.id = id
+        self.x = xi
+        self.y = yi
+        self.tracks = []
+        self.R = randint(0,255)
+        self.G = randint(0,255)
+        self.B = randint(0,255)
+        self.done = False
+        self.state = '0'    # 0 - wymaga dalszego sledzenia, 1 - przekroczyl mete, zostal policzony i mozna go bedzie usunac
+        self.age = 0    # o
+        self.max_age = max_age
+        self.dir = None
+
+    def getRGB(self):
+        return (self.R,self.G,self.B)
+
+    def getId(self):
+        return self.id
+
+    def getX(self):  # szerokosc
+        return self.x
+
+    def getY(self):  # wysokosc
+        return self.y
+
+    def getState(self):
+        return self.state
+
+    def getDir(self):
+        return self.dir
+
+    #stare wspolrzedne dodaj do listy "tropu" pojazdu, a nastepnie aktualizuj
+    def updateCoords(self, xNew, yNew):
+        self.age = 0
+        self.tracks.append([self.x, self.y])
+        self.x = xNew
+        self.y = yNew
+
+    def setDone(self):
+        self.done = True
+
+    def timedOut(self):
+        return self.done
+
+    def going_UP(self, mid_start, mid_end):
+        if len(self.tracks)>=2:
+            if self.state=='0':
+                if self.tracks[-1][1]<mid_end and self.tracks[-2][1]>=mid_end:
+                    self.state='1'
+                    self.dir='up'
+                    return True
+                else:
+                    return False
+            else:
+                return False
+        else:
+            return False
+
+    def going_DOWN(self,mid_start,mid_end):
+        if len(self.tracks)>=2:
+            if self.state=='0':
+                if self.tracks[-1][1]>mid_start and self.tracks[-2][1]<=mid_start:
+                    self.state='1'
+                    self.dir='down'
+                    return True
+                else:
+                    return False
+            else:
+                return False
+        else:
+            return False
+
+    def age_one(self):
+        self.age+=1
+        if self.age>self.max_age:
+            self.done=True
+        return  True