大数跨境

Python+树莓派监测汽车车速

Python+树莓派监测汽车车速 Python程序员
2016-05-27
0
导读:Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发。 发表于2016


Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发。

发表于2016年3月25日

这一切起源于我姐夫在Facebook(脸书)上的一个帖子:

“Facebook,我需要你的帮助。

你如何处理那些在你街道上,并且不断的加速减速的SB?

我给警察打电话,他们说警力不足。我当然还可以向州高速巡查小分队投诉,但是他们可能也是同样的情况。

当车子开过去的时候,你缺乏有力的证据,又如何能让这些SB减速呢?”

75?真的假的呀,兄弟?但是这使我陷入沉思——你能记录住宅区街道上汽车的速度,以此来为警察的介入调查提供支持吗?

嗯,我有一个树莓派和一个树莓派摄像头模块,应该能用他们来测量汽车的速度,我接下来就是写个应用程序来记录有通过摄像头之前汽车的速度的照片。


需求:

这几乎完全就是一个软件实现,所以硬件需求是很简单的:

树莓派2代(3代应该会更好,但是我手头没有)

树莓派摄像头


软件需求也是相当的直接:

Raspian

OpenCV

Python


步骤:

在树莓派上安装Raspian,在网上有关于这个话题的大量资源。目前Jessie最近有一个发布,我建议在这个项目中使用它。

在树莓派安装OpenCV 3和Python 3。十分感谢Adrian Rosebrock这篇关于在树莓派上安装OpenCv和Python详细步骤的博文:http://www.pyimagesearch.com/2015/10/26/how-to-install-opencv-3-on-raspbian-jessie/。我的树莓派2代B型系统使用Python 3.4.1和OpenCV3.1.0。

拷贝carspeed.py到你的/home/pi目录,我的程序是基于在pyimagesearch.com网站上的运动检测程序,但是修改了速度检测。程序不但要探测运动,而且还要记录汽车在摄像头视野中移动的时间,它还要知道汽车运行了多长的距离。很明显,摄像头中相同的水平距离,在离镜头一英尺和离镜头50英尺的时候,实际距离完全是不一样的。使用摄像头的视场和一些三角学知识,无论离镜头多远,这个“宽度”都是可以计算出来的:


Picamera的视场(FOV,field of view)大约是53.5度,我们假设道路离我们的摄像头是60英尺(D),离镜头60英尺距离的图像覆盖的水平距离(C)就会是:

2*60*tan(53.5 * 0.5)

120*tan(26.75)

120*0.50

60 feet

所以Picamera图像所覆盖的水平距离大概是道路到镜头的距离。如果离镜头的距离是10英尺,那么图像大概覆盖10英尺,同理如果是离镜头47英尺,那么覆盖范围也是47英尺。

当然,别的摄像头可能有一个不同的视场,将没有这么简单的换算关系。

知道水平距离后,除以帧中宽度像素的个数就得到了每个像素代表的距离。所以就可以用物体穿过的像素区的时间和像素的个数来计算得到速度。

下面就是我们要求运动检测程序部分来做的事情:

1. 使用pyimagesearch网站的逻辑来检测运动

2. 启动一个计时器

3. 跟踪运动的物体直到帧的另一边

4. 计算速度

5. 保存一幅标记了速度的图片

程序的第一版通过把摄像头放在我前窗外面的街道来测试。很快就出现了一个问题——程序工作的太好了,以至于它跟踪飞过的鸟儿,在前院觅食的松鼠,甚至是我的邻居打开车库的们也被检测到了。

程序应该是在街道检测运动,而不是周围整个环境。

我加一部分逻辑来允许鼠标来画一个区域来限制需要监测的图像区域,这个改动确实消除了几乎所有无关的运动检测。


但是程序在监测速度超过35公里的汽车时还是有问题,程序不能读取一辆快速通过监测区域汽车的两个或者更多的图片帧。我测试了程序,发现使用imshow来在屏幕中显示图像以及使用waiKey()命令减慢了图像处理的流程。我立即修改了代码,当一辆汽车通过监测区域时,阻止图像显示更新。看到一辆汽车进入视野,到达观测区域的边界并且消失,直到它退出监测区域,这看起来有点奇怪,但是这个修改使处理速度提高了2倍,进而可以测量更快的速度。在我的测试中,当速度达到40mph的时候,有+/-1的误差。速度大于40mph的时候依然能被记录,但是准确性就大打折扣了,这是因为车子的通过帧太快了。程序被限制一次处理一辆车,所以如果你住在一个繁忙的高速路附近,它可能难以产生准确的结果。树莓派3在这篇文章加入的时候刚刚被宣布,基于它增强的处理能力,记录高速车辆的时候应该更准确。

使用

将Picamera面向道路,在你运行carspeed.py之前,修改DISTANCE常数(代表从Picamera镜头到路中央的距离),你还可能需要调整vflip和hflip来匹配你的摄像头方向。

在终端运行下面的代码:

python carspeed.py

使用一个鼠标来在你想要监控的区域画一个矩形区域,我推荐高度是足够捕获整辆汽车,宽度大概是半个帧,以此为中心的一个区域,按“c”键将开始监视路面。

当汽车驶过监测区域时,一个图像一起写入磁盘。

使用“q”键退出。

汽车速度程序

程序代码可以从这里下载,下面是carspeed.py内部逻辑的描述。

# import the necessary packages
from picamera.array import PiRGBArray
from picamera import PiCamera
import time
import math
import datetime
import cv2

程序从引入使用的包开始。

# place a prompt on the displayed image
def prompt_on_image(txt):
    global image
    cv2.putText(image, txt, (10, 35),
    cv2.FONT_HERSHEY_SIMPLEX, 0.35, (0, 0, 255), 1)
     
# calculate speed from pixels and time
def get_speed(pixels, ftperpixel, secs):
    if secs > 0.0:
        return ((pixels * ftperpixel)/ secs) * 0.681818  
    else:
        return 0.0
 
# calculate elapsed seconds
def secs_diff(endTime, begTime):
    diff = (endTime - begTime).total_seconds()
    return diff

下一步,定义一些方法和函数。“prompt_on_image”方法在图像上面用简单格式化显示一条信息。函数“get_speed”返回基于在固定时间(如果你不是用英尺和mph,而是使用米和kph,请用3.6替换0.681818)内走过的像素点数计算出来的速度。最后函数”secs_diff”返回两个时间点之间的秒数。

# mouse callback function for drawing capture area
def draw_rectangle(event,x,y,flags,param):
    global ix,iy,fx,fy,drawing,setup_complete,image, org_image, prompt
 
    if event == cv2.EVENT_LBUTTONDOWN:
        drawing = True
        ix,iy = x,y
 
    elif event == cv2.EVENT_MOUSEMOVE:
        if drawing == True:
            image = org_image.copy()
            prompt_on_image(prompt)
            cv2.rectangle(image,(ix,iy),(x,y),(0,255,0),2)
  
    elif event == cv2.EVENT_LBUTTONUP:
        drawing = False
        fx,fy = x,y
        image = org_image.copy()
        prompt_on_image(prompt)
        cv2.rectangle(image,(ix,iy),(fx,fy),(0,255,0),2)

draw_rectangle方法处理鼠标事件,这些事件用来定义图像上的检测区域。它仅仅是使用户在图像上画一个矩形。图像从原点开始刷新,这样当鼠标移动的时候矩形就开始扩展。如果这没有做这些刷新,当矩形画完后再画另外一个矩形的时候,鼠标的移动导致一个的填充的矩形。

# define some constants
DISTANCE = 76  #<---- enter your distance-to-road value here
THRESHOLD = 15
MIN_AREA = 175
BLURSIZE = (15,15)
IMAGEWIDTH = 640
IMAGEHEIGHT = 480
RESOLUTION = [IMAGEWIDTH,IMAGEHEIGHT]
FOV = 53.5
FPS = 30

下一步是在程序中使用的一些常量。你需要估计从摄像头到路中央的距离,并且把这个书籍放入49行的DISTANCE中。THREADHOLD,MIN_AREA和BLURSIZE在测试过程最好的工作数值。

# the following enumerated values are used to make the program more readable
WAITING = 0
TRACKING = 1
SAVING = 2
UNKNOWN = 0
LEFT_TO_RIGHT = 1
RIGHT_TO_LEFT = 2

我倾向于使用枚举值使程序易于阅读。这里定义了一些需要使用的枚举值,前三个监测当前跟踪进程的状态,接下来两个定义了图像中运动的方向。这些变量的数值其实没那么重要(重要的是通过使用枚举便于程序阅读)。

# calculate the the width of the image at the distance specified
frame_width_ft = 2*(math.tan(math.radians(FOV*0.5))*DISTANCE)
ftperpixel = frame_width_ft / float(IMAGEWIDTH)
print("Image width in feet {} at {} from camera".format("%.0f" % frame_width_ft,"%.0f" % DISTANCE))

这就完成了程序的常量和方法的初始化,现在是时候计算帧的宽度和每个像素对应多少英尺了。注解:对于使用米为单位,可以使用相同的逻辑来计算距离,这仅仅是会得到每个像素是几米的结果。

# state maintains the state of the speed computation process
# if starts as WAITING
# the first motion detected sets it to TRACKING
 
# if it is tracking and no motion is found or the x value moves
# out of bounds, state is set to SAVING and the speed of the object
# is calculated
# initial_x holds the x value when motion was first detected
# last_x holds the last x value before tracking was was halted
# depending upon the direction of travel, the front of the
# vehicle is either at x, or at x+w 
# (tracking_end_time - tracking_start_time) is the elapsed time
# from these the speed is calculated and displayed 
 
state = WAITING
direction = UNKNOWN
initial_x = 0
last_x = 0
 
#-- other values used in program
base_image = None
abs_chg = 0
mph = 0
secs = 0.0
show_bounds = True
showImage = True
ix,iy = -1,-1
fx,fy = -1,-1
drawing = False
setup_complete = False
tracking = False
text_on_image = "No cars"
loop_count = 0
prompt = ""

接下来是全局变量的初始化。

# initialize the camera 
camera = PiCamera()
camera.resolution = RESOLUTION
camera.framerate = FPS
camera.vflip = True
camera.hflip = True

rawCapture = PiRGBArray(camera, size=camera.resolution)
# allow the camera to warm up
time.sleep(0.9)

初始化Picamera。

# create an image window and place it in the upper left corner of the screen
cv2.namedWindow("Speed Camera")
cv2.moveWindow("Speed Camera", 10, 40)

我们想要知道程序正在处理的事情,所以创建一个窗口,并且移动到显示区域的左上角。

# call the draw_rectangle routines when the mouse is used
cv2.setMouseCallback("Speed Camera",draw_rectangle)
 
# grab a reference image to use for drawing the monitored area"s boundry
camera.capture(rawCapture, format="bgr", use_video_port=True)
image = rawCapture.array
rawCapture.truncate(0)
org_image = image.copy()

prompt = "Define the monitored area - press "c" to continue" 
prompt_on_image(prompt)
 
# wait while the user draws the monitored area"s boundry
while not setup_complete:
    cv2.imshow("Speed Camera",image)
 
    #wait for for c to be pressed  
    key = cv2.waitKey(1) & 0xFF
  
    # if the `c` key is pressed, break from the loop
    if key == ord("c"):
        break

           

英文原文:https://gregtinkers.wordpress.com/2016/03/25/car-speed-detector/
译者:pyBean



了解野狗,请点击阅读原文。

【声明】内容源于网络
0
0
Python程序员
1234
内容 2525
粉丝 0
Python程序员 1234
总阅读0
粉丝0
内容2.5k