点击下方卡片，关注“OpenCV与AI深度学习”
视觉/图像重磅干货，第一时间送达
导 读
本文主要介绍基于OpenCV的流水线包装箱检测计数应用，并给出源码。
资源下载
完整代码和视频下载地址：
https://github.com/freedomwebtech/rpi4-conveyor-belt-boxces-counter核心代码如下(cboxtest.py):
import cv2import numpy as npfrom tracker import*cap=cv2.VideoCapture('box.mp4')lower_range=np.array([0,46,64])upper_range=np.array([43,115,160])def RGB(event, x, y, flags, param):if event == cv2.EVENT_MOUSEMOVE :point = [x, y]print(point)tracker=Tracker()cv2.namedWindow('box-counter')RGB)area=[(391,244),(370,443),(391,438),(410,237)]counter=[]while True:=cap.read()if not ret:breakframe=cv2.resize(frame,(640,480))hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)mask=cv2.inRange(hsv,lower_range,upper_range)=cv2.threshold(mask,254,255,cv2.THRESH_BINARY)=cv2.findContours(mask1,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)list=[]for c in cnts:x=500if cv2.contourArea(c)>x:=cv2.boundingRect(c)list.append([x,y,w,h])bbox_idx=tracker.update(list)for bbox in bbox_idx:=bboxcx=int(x1+x1+w1)//2cy=int(y1+y1+h1)//2results=cv2.pointPolygonTest(np.array(area,np.int32),((cx,cy)),False)if results>=0:cv2.circle(frame,(cx,cy),4,(0,0,255),-1)cv2.rectangle(frame,(x1,y1),(x1+w1,y1+h1),(0,255,0),2)if counter.count(id)==0:counter.append(id)cv2.polylines(frame,[np.array(area,np.int32)],True,(255,255,255),2)c1=(len(counter))#cvzone.putTextRect(frame,f"{c1}",(50,60),2,2)(420, 350), 0, 3, (0, 0, 255), 4)cv2.imshow("box-counter",frame)if cv2.waitKey(1)&0xFF==27:breakcap.release()cv2.destroyAllWindows()
下载测试视频box6.mp4(vid.txt中有链接)：
实现步骤
【1】通过track.py滑动条动态设置HSV范围，保证较好的提取去包装箱的轮廓mask,效果如下：
通过调试设置HSV范围如下，然后做HSV轮廓提取，提取纸箱轮廓。
lower_range=np.array([0,46,64])upper_range=np.array([43,115,160])
【2】划定多边形区域，当直线轮廓中心点经过时将目标跟踪的id添加到list中：
【3】纸箱计数：计算list中元素个数即可，具体原理可参考上篇文章：
最终效果如下：
总 结
此应用相对基于OpenCV+YOLOv5实现车辆跟踪与计数(附源码) 案例简单一点，计数原理相同。这里直接用HSV范围提取的纸箱目标，没有用深度学习目标检测方法。另外计数时也不一定使用多边形，以直线和点的距离来计算也可以，核心还是避免重复计数。
另外实际流水线上，这种简单应用还用不到视觉，红外传感器+单片机就可以搞定了，此例仅供参考。
—THE END—
下载1：Pytorch常用函数手册
欢迎加入CV学习交流微信群！
