traffic-counter/main3.py

335 lines
16 KiB
Python
Raw Normal View History

2024-05-06 00:26:54 +00:00
import numpy as np
import cv2
import pandas as pd
cap = cv2.VideoCapture('video/video.mp4')
frames_count, fps, width, height = cap.get(cv2.CAP_PROP_FRAME_COUNT), cap.get(cv2.CAP_PROP_FPS), cap.get(
cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
width = int(width)
height = int(height)
print(frames_count, fps, width, height)
# membuat data frame pandas dengan jumlah baris sama dengan jumlah frame
df = pd.DataFrame(index=range(int(frames_count)))
df.index.name = "Frame" # frame dalam bahasa indonesia
framenumber = 0 # mencatat frame saat ini
carscrossedup = 0 # mencatat mobil yang melintasi atas
carscrosseddown = 0 # mencatat mobil yang melintasi bawah
carids = [] # list kosong untuk menambah id mobil
caridscrossed = [] # list kosong untuk menambah id mobil yang telah melintasi
totalcars = 0 # mencatat total mobil
fgbg = cv2.createBackgroundSubtractorMOG2() # membuat subtractor latar belakang MOG2
# informasi untuk memulai menyimpan file video
ret, frame = cap.read() # impor gambar
ratio = .5 # rasio pengubah ukuran
image = cv2.resize(frame, (0, 0), None, ratio, ratio) # ubah ukuran gambar
width2, height2, channels = image.shape
# video = cv2.VideoWriter('penghitung_kendaraan.avi', cv2.VideoWriter_fourcc('M', 'J', 'P', 'G'), fps, (height2, width2), 1)
while True:
ret, frame = cap.read() # impor gambar
if ret: # jika ada frame lanjutkan kode
image = cv2.resize(frame, (0, 0), None, ratio, ratio) # ubah ukuran gambar
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # konversi gambar ke warna abu-abu
fgmask = fgbg.apply(gray) # menggunakan pengurangan latar belakang MOG2
# menerapkan tingkat kesulitan pada fgmask untuk mencoba mengisolasi mobil
# perlu mencoba berbagai pengaturan hingga mobil mudah diidentifikasi
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) # membuat kernel untuk operasi morfologi
closing = cv2.morphologyEx(fgmask, cv2.MORPH_CLOSE, kernel)
opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel)
dilation = cv2.dilate(opening, kernel)
retvalbin, bins = cv2.threshold(dilation, 220, 255, cv2.THRESH_BINARY) # menghapus shadow
# membuat kontur
contours, hierarchy = cv2.findContours(bins, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[-2:]
# menggunakan konveks hull untuk membuat poligon kait dengan kontur
hull = [cv2.convexHull(c) for c in contours]
# menggambar kontur
cv2.drawContours(image, hull, -1, (0, 255, 0), 3)
# garis dibuat untuk menghentikan penghitungan kontur, diperlukan karena mobil jauh menjadi kontur satu
lineypos = 100
cv2.line(image, (0, lineypos), (width, lineypos), (255, 0, 0), 5)
# garis y posisi dibuat untuk menghitung kontur
lineypos2 = 125
cv2.line(image, (0, lineypos2), (width, lineypos2), (0, 255, 0), 5)
# area minimal untuk kontur agar tidak dihitung sebagai rumit
minarea = 400
# area maksimal untuk kontur, dapat cukup besar untuk bus
maxarea = 40000
# vektor untuk x dan y lokasi tengah kontur dalam frame saat ini
cxx = np.zeros(len(contours))
cyy = np.zeros(len(contours))
for i in range(len(contours)): # melakukan iterasi pada semua kontur dalam frame saat ini
# menggunakan hierarki untuk hanya menghitung kontur induk (kontur yang tidak berada dalam kontur lain)
if hierarchy[0, i, 3] == -1:
area = cv2.contourArea(contours[i]) # menghitung luas kontur
if minarea < area < maxarea: # menggunakan area sebagai garis pembatas untuk kontur
# menghitung centroid dari kontur
cnt = contours[i]
M = cv2.moments(cnt)
cx = int(M['m10'] / M['m00'])
cy = int(M['m01'] / M['m00'])
if cy > lineypos: # menghapus kontur yang berada di atas garis (y dimulai dari atas)
# mengambil titik koordinat untuk membuat kotak lingkaran
x, y, w, h = cv2.boundingRect(cnt)
# membuat kotak lingkaran dari kontur
cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 2)
# Menambahkan teks centroid untuk memverifikasi pada tahap selanjutnya
cv2.putText(image, str(cx) + "," + str(cy), (cx + 10, cy + 10), cv2.FONT_HERSHEY_SIMPLEX,
0.3, (0, 0, 255), 1)
cv2.drawMarker(image, (cx, cy), (0, 0, 255), cv2.MARKER_STAR, markerSize=5, thickness=1,
line_type=cv2.LINE_AA)
# menambahkan centroid yang telah memenuhi kriteria ke dalam list centroid
cxx[i] = cx
cyy[i] = cy
# menghapus nol dalam vector centroid yang tidak dihitung (centroid yang tidak dikirim ke dataframe)
cxx = cxx[cxx != 0]
cyy = cyy[cyy != 0]
# list kosong untuk nanti mencatat indeks centroid yang dikirim ke dataframe
minx_index2 = []
miny_index2 = []
# jumlah maksimum yang diizinkan untuk centroid dalam frame saat ini untuk dikaitkan dengan centroid dari frame sebelumnya
maxrad = 25
# bagian berikut mengelola centroid dan mengasignasinya ke id mobil lama atau id mobil baru
# jika terdapat centroid dalam area yang ditentukan
if len(cxx): # jika ada centroid dalam area yang ditentukan
if not carids: # jika daftar carids kosong
for i in range(len(cxx)): # melakukan loop sebanyak centroid yang ada
carids.append(i) # menambahkan id mobil ke dalam daftar kosong
df[str(carids[i])] = "" # menambahkan kolom ke dalam dataframe berdasarkan id mobil
# mengisi nilai centroid pada frame saat ini dan id mobil yang sesuai
df.at[int(framenumber), str(carids[i])] = [cxx[i], cyy[i]]
totalcars = carids[i] + 1 # menambahkan 1 pada jumlah mobil
else: # jika sudah ada id mobil
dx = np.zeros((len(cxx), len(carids))) # array untuk menghitung deltanya
dy = np.zeros((len(cyy), len(carids))) # array untuk menghitung deltanya
for i in range(len(cxx)): # melakukan loop sebanyak centroid yang ada
for j in range(len(carids)): # melakukan loop sebanyak id mobil yang ada
# mengambil centroid dari frame sebelumnya untuk id mobil tertentu
oldcxcy = df.iloc[int(framenumber - 1)][str(carids[j])]
# mengambil centroid dari frame sekarang yang tidak selalu sesuai dengan centroid dari frame sebelumnya
curcxcy = np.array([cxx[i], cyy[i]])
if not oldcxcy: # jika centroid dari frame sebelumnya kosong karena mobil keluar layar
continue # lanjutkan ke id mobil selanjutnya
else: # hitung deltanya untuk dibandingkan dengan centroid dari frame sekarang
dx[i, j] = oldcxcy[0] - curcxcy[0]
dy[i, j] = oldcxcy[1] - curcxcy[1]
for j in range(len(carids)): # melakukan loop sebanyak id mobil yang ada
jumlahjumlah = np.abs(dx[:, j]) + np.abs(dy[:, j]) # menghitung jumlah delta wrt id mobil tertentu
# mencari indeks id mobil yang memiliki nilai minimum dan ini indeks yang tepat
indeksindextrue = np.argmin(np.abs(jumlahjumlah))
minx_index = indeksindextrue
miny_index = indeksindextrue
# mengambil nilai delta untuk id mobil yang dipilih
deltadeltadx = dx[minx_index, j]
deltadeltady = dy[miny_index, j]
if deltadeltadx == 0 and deltadeltady == 0 and np.all(dx[:, j] == 0) and np.all(dy[:, j] == 0):
# periksa apakah nilai minimum adalah 0 dan periksa apakah semua delta adalah nol karena ini adalah kumpulan kosong
# delta dapat berupa nol jika centroid tidak berpindah
continue # lanjutkan ke id mobil selanjutnya
else:
# jika nilai delta kurang dari radius maksimum maka tambahkan centroid ke id mobil yang sesuai
if np.abs(deltadeltadx) < maxrad and np.abs(deltadeltady) < maxrad:
# menambahkan centroid ke id mobil yang sudah ada
df.at[int(framenumber), str(carids[j])] = [cxx[minx_index], cyy[miny_index]]
minx_index2.append(minx_index) # menambahkan indeks centroid yang sudah ditambahkan ke id mobil lain
miny_index2.append(miny_index)
for i in range(len(cxx)): # melakukan loop sebanyak centroid yang ada
# jika centroid tidak ada dalam list minindex maka mobil baru perlu ditambahkan
if i not in minx_index2 and miny_index2:
df[str(totalcars)] = "" # membuat kolom baru untuk mobil baru yang tercatat
totalcars = totalcars + 1 # menambahkan jumlah mobil yang tercatat
t = totalcars - 1 # t adalah placeholder untuk jumlah mobil
carids.append(t) # menambahkan id mobil ke list id mobil
df.at[int(framenumber), str(t)] = [cxx[i], cyy[i]] # menambahkan centroid ke mobil yang sudah ada
elif curcxcy[0] and not oldcxcy and not minx_index2 and not miny_index2:
# jika centroid saat ini ada namun centroid sebelumnya tidak ada
# mobil baru perlu ditambahkan jika minindex2 kosong
df[str(totalcars)] = "" # membuat kolom baru untuk mobil baru yang tercatat
totalcars = totalcars + 1 # menambahkan jumlah mobil yang tercatat
t = totalcars - 1 # t adalah placeholder untuk jumlah mobil
carids.append(t) # menambahkan id mobil ke list id mobil
df.at[int(framenumber), str(t)] = [cxx[i], cyy[i]] # menambahkan centroid ke mobil yang sudah ada
# Bagian di bawah menglabel centroid yang ada di layar
currentcars = 0 # mobil yang ada di layar
currentcarsindex = [] # indeks id mobil yang ada di layar
for i in range(len(carids)): # melakukan loops sebanyak jumlah id mobil
# memeriksa frame saat ini untuk mengetahui id mobil yang sedang aktif
# dengan memeriksa adanya centroid pada frame saat ini untuk id mobil tertentu
if df.at[int(framenumber), str(carids[i])] != '':
currentcars = currentcars + 1 # menambahkan mobil yang ada di layar
currentcarsindex.append(i) # menambahkan id mobil yang ada di layar
for i in range(currentcars): # melakukan loops sebanyak jumlah mobil yang ada di layar
# mengambil centroid untuk id mobil tertentu pada frame saat ini
curcent = df.iloc[int(framenumber)][str(carids[currentcarsindex[i]])]
# mengambil centroid untuk id mobil tertentu pada frame sebelumnya
oldcent = df.iloc[int(framenumber - 1)][str(carids[currentcarsindex[i]])]
if curcent: # jika ada centroid pada frame saat ini
# Teks di layar untuk centroid saat ini
cv2.putText(image, "Centroid" + str(curcent[0]) + "," + str(curcent[1]),
(int(curcent[0]), int(curcent[1])), cv2.FONT_HERSHEY_SIMPLEX, .5, (0, 255, 255), 2)
cv2.putText(image, "ID:" + str(carids[currentcarsindex[i]]), (int(curcent[0]), int(curcent[1] - 15)),
cv2.FONT_HERSHEY_SIMPLEX, .5, (0, 255, 255), 2)
cv2.drawMarker(image, (int(curcent[0]), int(curcent[1])), (0, 0, 255), cv2.MARKER_STAR, markerSize=5,
thickness=1, line_type=cv2.LINE_AA)
# Periksa apakah centroid lama ada
# Tambahkan kotak radius dari centroid lama ke centroid saat ini untuk visualisasi
if oldcent:
xmulai = oldcent[0] - maxrad
ymulai = oldcent[1] - maxrad
xakhir = oldcent[0] + maxrad
yakhir = oldcent[1] + maxrad
cv2.rectangle(image, (int(xmulai), int(ymulai)), (int(xakhir), int(yakhir)), (0, 125, 0), 1)
# Periksa apakah centroid lama di bawah garis dan centroid baru di atas garis
# Untuk menghitung mobil dan memastikan mobil tidak dihitung dua kali
if oldcent[1] >= lineypos2 and curcent[1] <= lineypos2 and carids[
currentcarsindex[i]] not in caridscrossed:
carscrossedup = carscrossedup + 1
cv2.line(image, (0, lineypos2), (width, lineypos2), (0, 0, 255), 5)
caridscrossed.append(
currentcarsindex[i]) # Tambahkan id mobil ke daftar mobil yang dihitung untuk mencegah penghitungan dua kali
# Periksa apakah centroid lama di atas garis dan centroid baru di bawah garis
# Untuk menghitung mobil dan memastikan mobil tidak dihitung dua kali
elif oldcent[1] <= lineypos2 and curcent[1] >= lineypos2 and carids[
currentcarsindex[i]] not in caridscrossed:
carscrosseddown = carscrosseddown + 1
cv2.line(image, (0, lineypos2), (width, lineypos2), (0, 0, 125), 5)
caridscrossed.append(currentcarsindex[i])
# menampilkan jumlah mobil yang melintasi atas
cv2.putText(image, "Mobil yang Melintasi Atas: " + str(carscrossedup), (0, 15), cv2.FONT_HERSHEY_SIMPLEX, .5, (255, 255, 255),
1)
# menampilkan jumlah mobil yang melintasi bawah
cv2.putText(image, "Mobil yang Melintasi Bawah: " + str(carscrosseddown), (0, 30), cv2.FONT_HERSHEY_SIMPLEX, .5,
(255, 255, 255), 1)
# # menampilkan jumlah total mobil yang terdeteksi
# cv2.putText(image, "Total Mobil yang Terdeteksi: " + str(len(carids)), (0, 60), cv2.FONT_HERSHEY_SIMPLEX, .5,
# (255, 255, 255), 1)
# menampilkan frame saat ini dan total frame
cv2.putText(image, "Frame: " + str(framenumber) + ' dari ' + str(frames_count), (0, 45), cv2.FONT_HERSHEY_SIMPLEX,
.5, (255, 255, 255), 1)
# menampilkan waktu yang sudah berlalu dan total waktu
cv2.putText(image, 'Waktu: ' + str(round(framenumber / fps, 2)) + ' detik dari ' + str(round(frames_count / fps, 2))
+ ' detik', (0, 60), cv2.FONT_HERSHEY_SIMPLEX, .5, (255, 255, 255), 1)
# menampilkan images dan transformasi
cv2.imshow("Output", image)
cv2.moveWindow("Output", 0, 0)
cv2.imshow("gray", gray)
cv2.moveWindow("gray", int(width * ratio), 0)
cv2.imshow("closing", closing)
cv2.moveWindow("closing", width, 0)
2024-05-21 11:24:53 +00:00
cv2.imshow("opening", opening)
cv2.moveWindow("opening", 0, int(height * ratio))
2024-05-06 00:26:54 +00:00
2024-05-21 11:24:53 +00:00
cv2.imshow("dilation", dilation)
cv2.moveWindow("dilation", int(width * ratio), int(height * ratio))
2024-05-06 00:26:54 +00:00
2024-05-21 11:24:53 +00:00
cv2.imshow("binary", bins)
cv2.moveWindow("binary", width, int(height * ratio))
2024-05-06 00:26:54 +00:00
# adds to framecount
framenumber = framenumber + 1
# Menunggu key dari user dalam milidetik, fps adalah frame per detik, dan 0xff adalah binary
# bahasa indonesia: Menunggu key dari user dalam milidetik
k = cv2.waitKey(int(1000/fps)) & 0xff
if k == 27: # bahasa indonesia: Jika key nya adalah 27 (ESC) maka break loop
break
else: # bahasa indonesia: Jika video selesai maka break loop
break
2024-05-21 11:24:53 +00:00
2024-05-06 00:26:54 +00:00
cap.release()
cv2.destroyAllWindows()