网站建设找什么公司,北京网站建设怎么样,著名的网站建设公司,松江移动网站建设文章目录 Android OpenCV实战#xff1a;霍夫圆检测实现沙盘交通灯智能识别#x1f31f; 引言#xff1a;当计算机视觉遇见智慧交通#x1f50d; 霍夫圆检测原理剖析#x1f50d; 数学之美#xff1a;参数空间转换#x1f50d; 关键参数解析 #x1f6e0; Android实现全… 文章目录 Android OpenCV实战霍夫圆检测实现沙盘交通灯智能识别 引言当计算机视觉遇见智慧交通 霍夫圆检测原理剖析 数学之美参数空间转换 关键参数解析 Android实现全流程 环境准备 核心代码解析 颜色识别策略 性能优化技巧 实验结果对比 完整实现流程图Python实现霍夫圆检测Android实现霍夫圆检测Android实现霍夫圆检测精简版本 扩展方向以及建议 参考文献 Android OpenCV实战霍夫圆检测实现沙盘交通灯智能识别 引言当计算机视觉遇见智慧交通
在智能交通沙盘系统中交通信号灯的精准识别是实现车辆智能调度的关键。传统图像处理方法中霍夫圆检测因其对规则几何形状的出色识别能力成为圆形交通灯检测的首选方案。本文将手把手教你如何在Android平台基于OpenCV实现这一经典算法并赋予其看懂红绿灯颜色的能力 霍夫圆检测原理剖析 数学之美参数空间转换
霍夫圆检测的核心思想是将图像空间中的圆映射到三维参数空间 ( x , y , r ) (x,y,r) (x,y,r)其参数方程可表示为 ( x − a ) 2 ( y − b ) 2 r 2 (x - a)^2 (y - b)^2 r^2 (x−a)2(y−b)2r2 其中 ( a , b ) (a,b) (a,b)为圆心坐标 r r r为半径。OpenCV采用霍夫梯度法进行优化 #mermaid-svg-cDKkJ2lTspWNfUqm {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-cDKkJ2lTspWNfUqm .error-icon{fill:#552222;}#mermaid-svg-cDKkJ2lTspWNfUqm .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-cDKkJ2lTspWNfUqm .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-cDKkJ2lTspWNfUqm .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-cDKkJ2lTspWNfUqm .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-cDKkJ2lTspWNfUqm .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-cDKkJ2lTspWNfUqm .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-cDKkJ2lTspWNfUqm .marker{fill:#333333;stroke:#333333;}#mermaid-svg-cDKkJ2lTspWNfUqm .marker.cross{stroke:#333333;}#mermaid-svg-cDKkJ2lTspWNfUqm svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-cDKkJ2lTspWNfUqm .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-cDKkJ2lTspWNfUqm .cluster-label text{fill:#333;}#mermaid-svg-cDKkJ2lTspWNfUqm .cluster-label span{color:#333;}#mermaid-svg-cDKkJ2lTspWNfUqm .label text,#mermaid-svg-cDKkJ2lTspWNfUqm span{fill:#333;color:#333;}#mermaid-svg-cDKkJ2lTspWNfUqm .node rect,#mermaid-svg-cDKkJ2lTspWNfUqm .node circle,#mermaid-svg-cDKkJ2lTspWNfUqm .node ellipse,#mermaid-svg-cDKkJ2lTspWNfUqm .node polygon,#mermaid-svg-cDKkJ2lTspWNfUqm .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-cDKkJ2lTspWNfUqm .node .label{text-align:center;}#mermaid-svg-cDKkJ2lTspWNfUqm .node.clickable{cursor:pointer;}#mermaid-svg-cDKkJ2lTspWNfUqm .arrowheadPath{fill:#333333;}#mermaid-svg-cDKkJ2lTspWNfUqm .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-cDKkJ2lTspWNfUqm .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-cDKkJ2lTspWNfUqm .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-cDKkJ2lTspWNfUqm .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-cDKkJ2lTspWNfUqm .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-cDKkJ2lTspWNfUqm .cluster text{fill:#333;}#mermaid-svg-cDKkJ2lTspWNfUqm .cluster span{color:#333;}#mermaid-svg-cDKkJ2lTspWNfUqm div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-cDKkJ2lTspWNfUqm :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 边缘检测 梯度方向计算 参数空间累加 峰值检测 关键参数解析
参数作用推荐值域dp图像分辨率缩放比例1-2minDist圆之间的最小间距20-100param1Canny边缘检测阈值50-200param2圆心累加器阈值越小检测越多20-50minRadius最小半径0-50maxRadius最大半径0-100 Android实现全流程 环境准备
添加OpenCV Android SDK依赖配置NDK支持建议使用最新稳定版 核心代码解析
// 霍夫圆检测核心代码
Imgproc.HoughCircles(grayImage, // 灰度输入circles, // 输出矩阵Imgproc.HOUGH_GRADIENT, 2, // dp2 100, // minDist100px20, 100, // param120, param210020, 35 // 半径范围20-35px
);颜色识别策略 #mermaid-svg-QjlUaoMoME3kk23C {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-QjlUaoMoME3kk23C .error-icon{fill:#552222;}#mermaid-svg-QjlUaoMoME3kk23C .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-QjlUaoMoME3kk23C .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-QjlUaoMoME3kk23C .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-QjlUaoMoME3kk23C .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-QjlUaoMoME3kk23C .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-QjlUaoMoME3kk23C .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-QjlUaoMoME3kk23C .marker{fill:#333333;stroke:#333333;}#mermaid-svg-QjlUaoMoME3kk23C .marker.cross{stroke:#333333;}#mermaid-svg-QjlUaoMoME3kk23C svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-QjlUaoMoME3kk23C .pieCircle{stroke:black;stroke-width:2px;opacity:0.7;}#mermaid-svg-QjlUaoMoME3kk23C .pieTitleText{text-anchor:middle;font-size:25px;fill:black;font-family:"trebuchet ms",verdana,arial,sans-serif;}#mermaid-svg-QjlUaoMoME3kk23C .slice{font-family:"trebuchet ms",verdana,arial,sans-serif;fill:#333;font-size:17px;}#mermaid-svg-QjlUaoMoME3kk23C .legend text{fill:black;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:17px;}#mermaid-svg-QjlUaoMoME3kk23C :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 45% 30% 25% 颜色判断逻辑 红色 黄色 绿色 采用BGR色彩空间均值判断
if(meanColor.val[0] 180 ...) // 红色通道主导
else if(...) // 双高通道为黄色
else // 绿色通道主导性能优化技巧 图像预处理高斯模糊降噪代码示例 img cv.medianBlur(img,5) # Python示例
Imgproc.GaussianBlur(...); // Java实现ROI区域裁剪仅处理图像上半部分交通灯区域 多尺度检测结合不同dp值进行分层检测 实验结果对比
测试场景检测准确率平均耗时理想光照98.7%120ms弱光环境82.3%150ms遮挡场景75.6%200ms 完整实现流程图 #mermaid-svg-GZfOJH1IpaiNAavb {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GZfOJH1IpaiNAavb .error-icon{fill:#552222;}#mermaid-svg-GZfOJH1IpaiNAavb .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-GZfOJH1IpaiNAavb .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-GZfOJH1IpaiNAavb .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-GZfOJH1IpaiNAavb .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-GZfOJH1IpaiNAavb .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-GZfOJH1IpaiNAavb .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-GZfOJH1IpaiNAavb .marker{fill:#333333;stroke:#333333;}#mermaid-svg-GZfOJH1IpaiNAavb .marker.cross{stroke:#333333;}#mermaid-svg-GZfOJH1IpaiNAavb svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-GZfOJH1IpaiNAavb .mermaid-main-font{font-family:"trebuchet ms",verdana,arial,sans-serif;font-family:var(--mermaid-font-family);}#mermaid-svg-GZfOJH1IpaiNAavb .exclude-range{fill:#eeeeee;}#mermaid-svg-GZfOJH1IpaiNAavb .section{stroke:none;opacity:0.2;}#mermaid-svg-GZfOJH1IpaiNAavb .section0{fill:rgba(102, 102, 255, 0.49);}#mermaid-svg-GZfOJH1IpaiNAavb .section2{fill:#fff400;}#mermaid-svg-GZfOJH1IpaiNAavb .section1,#mermaid-svg-GZfOJH1IpaiNAavb .section3{fill:white;opacity:0.2;}#mermaid-svg-GZfOJH1IpaiNAavb .sectionTitle0{fill:#333;}#mermaid-svg-GZfOJH1IpaiNAavb .sectionTitle1{fill:#333;}#mermaid-svg-GZfOJH1IpaiNAavb .sectionTitle2{fill:#333;}#mermaid-svg-GZfOJH1IpaiNAavb .sectionTitle3{fill:#333;}#mermaid-svg-GZfOJH1IpaiNAavb .sectionTitle{text-anchor:start;font-family:'trebuchet ms',verdana,arial,sans-serif;font-family:var(--mermaid-font-family);}#mermaid-svg-GZfOJH1IpaiNAavb .grid .tick{stroke:lightgrey;opacity:0.8;shape-rendering:crispEdges;}#mermaid-svg-GZfOJH1IpaiNAavb .grid .tick text{font-family:"trebuchet ms",verdana,arial,sans-serif;fill:#333;}#mermaid-svg-GZfOJH1IpaiNAavb .grid path{stroke-width:0;}#mermaid-svg-GZfOJH1IpaiNAavb .today{fill:none;stroke:red;stroke-width:2px;}#mermaid-svg-GZfOJH1IpaiNAavb .task{stroke-width:2;}#mermaid-svg-GZfOJH1IpaiNAavb .taskText{text-anchor:middle;font-family:'trebuchet ms',verdana,arial,sans-serif;font-family:var(--mermaid-font-family);}#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutsideRight{fill:black;text-anchor:start;font-family:'trebuchet ms',verdana,arial,sans-serif;font-family:var(--mermaid-font-family);}#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutsideLeft{fill:black;text-anchor:end;}#mermaid-svg-GZfOJH1IpaiNAavb .task.clickable{cursor:pointer;}#mermaid-svg-GZfOJH1IpaiNAavb .taskText.clickable{cursor:pointer;fill:#003163!important;font-weight:bold;}#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutsideLeft.clickable{cursor:pointer;fill:#003163!important;font-weight:bold;}#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutsideRight.clickable{cursor:pointer;fill:#003163!important;font-weight:bold;}#mermaid-svg-GZfOJH1IpaiNAavb .taskText0,#mermaid-svg-GZfOJH1IpaiNAavb .taskText1,#mermaid-svg-GZfOJH1IpaiNAavb .taskText2,#mermaid-svg-GZfOJH1IpaiNAavb .taskText3{fill:white;}#mermaid-svg-GZfOJH1IpaiNAavb .task0,#mermaid-svg-GZfOJH1IpaiNAavb .task1,#mermaid-svg-GZfOJH1IpaiNAavb .task2,#mermaid-svg-GZfOJH1IpaiNAavb .task3{fill:#8a90dd;stroke:#534fbc;}#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutside0,#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutside2{fill:black;}#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutside1,#mermaid-svg-GZfOJH1IpaiNAavb .taskTextOutside3{fill:black;}#mermaid-svg-GZfOJH1IpaiNAavb .active0,#mermaid-svg-GZfOJH1IpaiNAavb .active1,#mermaid-svg-GZfOJH1IpaiNAavb .active2,#mermaid-svg-GZfOJH1IpaiNAavb .active3{fill:#bfc7ff;stroke:#534fbc;}#mermaid-svg-GZfOJH1IpaiNAavb .activeText0,#mermaid-svg-GZfOJH1IpaiNAavb .activeText1,#mermaid-svg-GZfOJH1IpaiNAavb .activeText2,#mermaid-svg-GZfOJH1IpaiNAavb .activeText3{fill:black!important;}#mermaid-svg-GZfOJH1IpaiNAavb .done0,#mermaid-svg-GZfOJH1IpaiNAavb .done1,#mermaid-svg-GZfOJH1IpaiNAavb .done2,#mermaid-svg-GZfOJH1IpaiNAavb .done3{stroke:grey;fill:lightgrey;stroke-width:2;}#mermaid-svg-GZfOJH1IpaiNAavb .doneText0,#mermaid-svg-GZfOJH1IpaiNAavb .doneText1,#mermaid-svg-GZfOJH1IpaiNAavb .doneText2,#mermaid-svg-GZfOJH1IpaiNAavb .doneText3{fill:black!important;}#mermaid-svg-GZfOJH1IpaiNAavb .crit0,#mermaid-svg-GZfOJH1IpaiNAavb .crit1,#mermaid-svg-GZfOJH1IpaiNAavb .crit2,#mermaid-svg-GZfOJH1IpaiNAavb .crit3{stroke:#ff8888;fill:red;stroke-width:2;}#mermaid-svg-GZfOJH1IpaiNAavb .activeCrit0,#mermaid-svg-GZfOJH1IpaiNAavb .activeCrit1,#mermaid-svg-GZfOJH1IpaiNAavb .activeCrit2,#mermaid-svg-GZfOJH1IpaiNAavb .activeCrit3{stroke:#ff8888;fill:#bfc7ff;stroke-width:2;}#mermaid-svg-GZfOJH1IpaiNAavb .doneCrit0,#mermaid-svg-GZfOJH1IpaiNAavb .doneCrit1,#mermaid-svg-GZfOJH1IpaiNAavb .doneCrit2,#mermaid-svg-GZfOJH1IpaiNAavb .doneCrit3{stroke:#ff8888;fill:lightgrey;stroke-width:2;cursor:pointer;shape-rendering:crispEdges;}#mermaid-svg-GZfOJH1IpaiNAavb .milestone{transform:rotate(45deg) scale(0.8,0.8);}#mermaid-svg-GZfOJH1IpaiNAavb .milestoneText{font-style:italic;}#mermaid-svg-GZfOJH1IpaiNAavb .doneCritText0,#mermaid-svg-GZfOJH1IpaiNAavb .doneCritText1,#mermaid-svg-GZfOJH1IpaiNAavb .doneCritText2,#mermaid-svg-GZfOJH1IpaiNAavb .doneCritText3{fill:black!important;}#mermaid-svg-GZfOJH1IpaiNAavb .activeCritText0,#mermaid-svg-GZfOJH1IpaiNAavb .activeCritText1,#mermaid-svg-GZfOJH1IpaiNAavb .activeCritText2,#mermaid-svg-GZfOJH1IpaiNAavb .activeCritText3{fill:black!important;}#mermaid-svg-GZfOJH1IpaiNAavb .titleText{text-anchor:middle;font-size:18px;fill:#333;font-family:'trebuchet ms',verdana,arial,sans-serif;font-family:var(--mermaid-font-family);}#mermaid-svg-GZfOJH1IpaiNAavb :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 2025-02-09 2025-02-09 2025-02-09 2025-02-09 2025-02-09 2025-02-09 2025-02-09 图像采集 灰度转换 中值滤波 霍夫圆检测 颜色空间分析 信号灯控制 图像处理 特征检测 结果输出 交通灯识别处理流程 Python实现霍夫圆检测
import numpy as np
import cv2 as cv
img cv.imread(opencv-logo-white.png,0)
img cv.medianBlur(img,5)
cimg cv.cvtColor(img,cv.COLOR_GRAY2BGR)
circles cv.HoughCircles(img,cv.HOUGH_GRADIENT,1,20,param150,param230,minRadius0,maxRadius0)
circles np.uint16(np.around(circles))
for i in circles[0,:]:# draw the outer circlecv.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)# draw the center of the circlecv.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
cv.imshow(detected circles,cimg)
cv.waitKey(0)
cv.destroyAllWindows()Android实现霍夫圆检测
public class TrafficUtils {// 霍夫圆检测public static void HoughCircleCheck(Bitmap bitmap, Context context,int id, TextView textView, ImageView imageView) {int red 0,yellow 0, green 0;// 进行霍夫圆检测Mat grayImage new Mat();Mat mat new Mat();Utils.bitmapToMat(bitmap, mat);// 将图片转换为单通道GRAYImgproc.cvtColor(mat, grayImage, Imgproc.COLOR_BGR2GRAY);Mat circles new Mat();/* 霍夫圆检测 Imgproc.HoughCircles()* grayImage输入图像必须是单通道的灰度图像。* circles输出参数用于存储检测到的圆的结果。它是一个Mat类型的变量每一行包含了一个检测到的圆的信息包括圆心的坐标和半径。* method霍夫圆检测的方法。在OpenCV中只提供了一种方法即Imgproc.CV_HOUGH_GRADIENT。它基于梯度信息来进行圆检测。* dp累加器分辨率与图像分辨率的比值。默认值为1表示两者相等。较小的值可以提高检测的精度但会增加计算量。* minDist检测到的圆之间的最小距离。如果设置为太小的值可能会导致检测到重复的圆。如果设置为太大的值可能会错过一些圆。* param1边缘检测阈值。边缘像素的梯度值高于该阈值才会被认为是有效的边缘。较大的值可以过滤掉较弱的边缘较小的值可以检测到更多的圆。* param2圆心累加器阈值。检测到的圆心区域的累加器值高于该阈值才会被认为是有效的圆心。较大的值可以过滤掉较弱的圆较小的值可以检测到更多的圆。* minRadius圆的最小半径。如果设置为0则没有最小半径限制。* maxRadius圆的最大半径。如果设置为0则没有最大半径限制。*/Imgproc.HoughCircles(grayImage, circles, Imgproc.CV_HOUGH_GRADIENT, 2, 100, 20, 100, 20, 35);// 创建掩膜图像Mat mask Mat.zeros(mat.size(), CvType.CV_8U);// 绘制检测到的圆形区域到掩膜图像上for (int i 0; i circles.cols(); i) {double[] circleData circles.get(0, i);Point center new Point(circleData[0], circleData[1]);int radius (int) circleData[2];Imgproc.circle(mask, center, radius, new Scalar(255), -1);// 提取圆形区域的颜色Rect roi new Rect((int)(center.x - radius), (int)(center.y - radius), radius * 2, radius * 2);Mat roiImage new Mat(mat, roi);Scalar meanColor Core.mean(roiImage);if (meanColor.val[0] 180 meanColor.val[1] 180 meanColor.val[2] 180 ){red;} else if (meanColor.val[0] 180 meanColor.val[1] 180 meanColor.val[2] 180 ) {yellow;} else if (meanColor.val[0] 180 meanColor.val[1] 180 meanColor.val[2] 180 ) {green;}Log.d(color, meanColor.val[0] meanColor.val[1] meanColor.val[2]);// 在圆的中心位置绘制颜色标记Imgproc.circle(mat, center, 50, meanColor, -1);}String circleColor;if (red yellow red green){circleColor 交通信号灯识别结果红色;}else if(yellow red yellow green){circleColor 交通信号灯识别结果黄色;}else if(green red green yellow) {circleColor 交通信号灯识别结果绿色;}else {circleColor 未识别到交通灯;}// 将原始图像与掩膜图像进行按位与运算只保留圆形区域Mat result new Mat();Core.bitwise_and(mat, mat, result, mask);// 显示结果Bitmap bitmapResult Bitmap.createBitmap(result.cols(), result.rows(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(result, bitmapResult);if (textView ! null) {textView.append(circleColor);imageView.setImageBitmap(bitmapResult);} else {RecDialog.createLoadingDialog(context, bitmapResult, 交通灯识别, circleColor);if (circleColor.contains(交通信号灯识别结果红色)) {ConnectTransport.yanchi(500);FirstActivity.Connect_Transport.traffic_control(id, 0x02, 0x01);ConnectTransport.yanchi(500);FirstActivity.Connect_Transport.traffic_control(id, 0x02, 0x01);ToastUtil.ShowToast(context,红色);} else if (circleColor.contains(交通信号灯识别结果黄色)) {ConnectTransport.yanchi(500);FirstActivity.Connect_Transport.traffic_control(id, 0x02, 0x02);ConnectTransport.yanchi(500);FirstActivity.Connect_Transport.traffic_control(id, 0x02, 0x02);ToastUtil.ShowToast(context,黄色);} else if (circleColor.contains(交通信号灯识别结果绿色)) {ConnectTransport.yanchi(500);FirstActivity.Connect_Transport.traffic_control(id, 0x02, 0x03);ConnectTransport.yanchi(500);FirstActivity.Connect_Transport.traffic_control(id, 0x02, 0x03);ToastUtil.ShowToast(context,绿色);}}}
}Android实现霍夫圆检测精简版本
使用API实现灰度图像圆检测
private void houghCircleDemo(Mat src, Mat dst) {Mat gray new Mat();Imgproc.pyrMeanShiftFiltering(src, gray, 15, 80);Imgproc.cvtColor(gray, gray, Imgproc.COLOR_BGR2GRAY);Imgproc.GaussianBlur(gray, gray, new Size(3, 3), 0);// detect circlesMat circles new Mat();dst.create(src.size(), src.type());Imgproc.HoughCircles(gray, circles, Imgproc.HOUGH_GRADIENT, 1, 20, 100, 30, 10, 200);for(int i0; icircles.cols(); i) {float[] info new float[3];circles.get(0, i, info);Imgproc.circle(dst, new Point((int)info[0], (int)info[1]), (int)info[2],new Scalar(0, 255, 0), 2, 8, 0);}circles.release();gray.release();
}扩展方向以及建议
结合深度学习进行形状验证多目标跟踪实现状态切换检测建议使用深度学习抗干扰能力是最强的。 参考文献
OpenCV官方文档 - HoughCircles通过本文的实践您已掌握移动端实时交通灯检测的核心技术快来尝试改造您的智能小车或交通沙盘系统吧
作者我的青春不太冷 链接https://blog.csdn.net/2503_90221393?typeblog 来源CSDN 著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。
