回答

使用 OpenCV 通过摄像头识别停车位剩余数量是一个复杂但有趣的计算机视觉任务。这个任务通常涉及以下几个步骤：

摄像头捕捉视频流：从摄像头获取实时视频流。停车位区域检测：识别并标记每个停车位的区域。车辆检测：在每个停车位区域内检测是否有车辆。统计剩余停车位数量：统计空闲停车位的数量。

下面是一个示例代码，展示了如何使用 OpenCV 和一些简单的图像处理技术来实现这一任务。为了简化示例，我们假设停车位是静态的，并且已经预先标记好了。

依赖项安装

首先，确保你已经安装了 OpenCV 和 NumPy：

pip install opencv-python-headless numpy

示例代码

import cv2
import numpy as np

# 预先定义停车位区域（这里假设有四个停车位）
# 每个停车位区域用一个四边形表示，四边形的四个顶点坐标
parking_spaces = [
    [(100, 100), (200, 100), (200, 200), (100, 200)],
    [(250, 100), (350, 100), (350, 200), (250, 200)],
    [(400, 100), (500, 100), (500, 200), (400, 200)],
    [(550, 100), (650, 100), (650, 200), (550, 200)],
]

def detect_parking_spaces(frame, parking_spaces):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY)
    empty_spaces = 0

    for space in parking_spaces:
        roi = frame[space[0][1]:space[2][1], space[0][0]:space[2][0]]
        roi_gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
        _, roi_thresh = cv2.threshold(roi_gray, 200, 255, cv2.THRESH_BINARY)
        white_pixels = cv2.countNonZero(roi_thresh)
        total_pixels = roi_thresh.shape[0] * roi_thresh.shape[1]

        # 如果白色像素少于某个阈值，则认为该停车位是空的
        if white_pixels / total_pixels < 0.5:
            empty_spaces += 1
            color = (0, 255, 0)  # 绿色表示空闲
        else:
            color = (0, 0, 255)  # 红色表示占用

        # 画出停车位区域
        pts = np.array(space, np.int32)
        pts = pts.reshape((-1, 1, 2))
        cv2.polylines(frame, [pts], True, color, 2)

    return frame, empty_spaces

def main():
    cap = cv2.VideoCapture(0)  # 捕捉摄像头视频流

    while True:
        ret, frame = cap.read()
        if not ret:
            break

        frame, empty_spaces = detect_parking_spaces(frame, parking_spaces)
        cv2.putText(frame, f'Empty Spaces: {empty_spaces}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)

        cv2.imshow('Parking Space Detection', frame)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    main()

解释

预定义停车位区域：在代码中，我们预先定义了四个停车位的区域。每个停车位用一个四边形表示，其四个顶点的坐标被存储在 parking_spaces 列表中。

摄像头捕捉视频流：使用 cv2.VideoCapture(0) 捕捉摄像头的视频流。你可以根据需要更改摄像头的索引或使用视频文件。

停车位检测：在每一帧中，使用灰度转换和阈值处理来检测每个停车位区域是否有车辆。如果某个停车位区域的白色像素比例小于某个阈值（这里假设为 0.5），则认为该停车位是空的。

绘制停车位区域：在每一帧中，绘制停车位区域的边界，并根据检测结果用不同颜色表示停车位的状态（绿色表示空闲，红色表示占用）。

显示结果：在每一帧中，显示剩余的空闲停车位数量，并将帧显示在窗口中。

注意事项停车位标记：实际应用中，你可能需要使用更复杂的算法来自动标记停车位区域。车辆检测：本示例使用简单的阈值处理来检测车辆。实际应用中，你可以使用更先进的车辆检测算法（如机器学习或深度学习）。光照条件：阈值处理对光照条件敏感，实际应用中可能需要对图像进行预处理以提高鲁棒性。

通过上述方法，你可以使用 OpenCV 实现一个简单的停车位剩余数量检测系统。实际应用中，你可能需要根据具体情况进行调整和优化。