### 实现带有系统菜单、车辆轮廓检测与跟踪、计数逻辑、用户交互、结果输出与统计以及异常处理功能的完整代码 以下是一个完整的 Python 和 OpenCV 代码示例，涵盖了系统菜单、车辆轮廓检测与跟踪、计数逻辑、用户交互、结果输出与统计以及异常处理功能。 ```python import cv2 import numpy as np import sys # 初始化视频捕获对象 cap = cv2.VideoCapture("video.mp4") # 创建背景减除器 bg_subtractor = cv2.createBackgroundSubtractorMOG2() # 定义检测线参数 detection_line_y = 300 # 检测线的y坐标 detection_line_offset = 10 # 检测线上下偏移量阈值 min_w, max_w = 50, 200 # 轮廓宽度过滤范围 min_h, max_h = 50, 200 # 轮廓高度过滤范围 # 计数器和跟踪信息 vehicle_count = 0 centers = [] trackers = [] # 系统菜单 def show_menu(): print("\n=== 系统菜单 ===") print("1. 开始车辆检测") print("2. 显示统计结果") print("3. 退出系统") choice = input("请输入选项: ") return choice # 结果输出与统计 def output_statistics(): print(f"\n=== 统计结果 ===") print(f"检测到的车辆总数: {vehicle_count}") # 异常处理函数 def handle_exception(e): print(f"发生错误: {e}") cap.release() cv2.destroyAllWindows() sys.exit(1) try: while True: choice = show_menu() if choice == "1": while cap.isOpened(): ret, frame = cap.read() if not ret: break try: # 背景减除 fg_mask = bg_subtractor.apply(frame) # 形态学操作 - 腐蚀和膨胀 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) fg_mask = cv2.erode(fg_mask, kernel, iterations=1) # 腐蚀[^1] fg_mask = cv2.dilate(fg_mask, kernel, iterations=2) # 膨胀 # 轮廓检测 contours, _ = cv2.findContours(fg_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) if min_w < w < max_w and min_h < h < max_h: # 过滤不符合大小的轮廓 center = (x + w // 2, y + h // 2) centers.append(center) # 绘制边界框 cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) # 检测是否穿过检测线 if detection_line_y - detection_line_offset < center[1] < detection_line_y + detection_line_offset: vehicle_count += 1 centers.remove(center) # 绘制检测线 cv2.line(frame, (0, detection_line_y), (frame.shape[1], detection_line_y), (255, 0, 0), 2) # 显示车辆数量 cv2.putText(frame, f"Vehicle Count: {vehicle_count}", (10, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2) # 显示结果 cv2.imshow("Frame", frame) cv2.imshow("Foreground Mask", fg_mask) if cv2.waitKey(30) & 0xFF == ord('q'): break except Exception as e: handle_exception(e) elif choice == "2": output_statistics() elif choice == "3": print("退出系统...") break else: print("无效选项，请重新输入。") except Exception as e: handle_exception(e) finally: cap.release() cv2.destroyAllWindows() ``` #### 说明 - **系统菜单**：通过 `show_menu` 函数实现简单的文本菜单，允许用户选择开始检测、显示统计结果或退出系统[^3]。 - **轮廓检测与跟踪**：使用背景减除器分离前景目标，并通过形态学操作去除噪声。然后通过轮廓检测提取车辆边界框[^2]。 - **计数逻辑**：当车辆中心点穿过检测线时，计数器增加。 - **用户交互**：用户可以通过系统菜单选择不同的功能[^3]。 - **结果输出与统计**：在检测结束后，通过 `output_statistics` 函数输出统计结果[^3]。 - **异常处理**：通过 `handle_exception` 函数捕获并处理运行时异常，确保程序安全退出[^3]。 #### 注意事项 - 在实际应用中，可能需要根据具体场景调整背景减除器的参数以适应不同的光照条件和复杂背景[^1]。 - 如果需要更高的检测精度，可以结合深度学习模型如 YOLOv5 或 YOLOv8[^4]。