程序示例精选
Python路面车道线识别偏离预警
如需安装运行环境或远程调试，见文章底部个人QQ名片，由专业技术人员远程协助！
前言
这篇博客针对《Python路面车道线识别偏离预警》编写代码，代码整洁，规则，易读。 学习与应用推荐首选。
运行结果
文章目录
一、所需工具软件
二、使用步骤
1. 主要代码
2. 运行结果
三、在线协助
一、所需工具软件
1. Python
2. Pycharm
二、使用步骤
代码如下（示例）：
import os
from PyQt5.QtWidgets import QMainWindow
import cv2
from .form.mainwindow import Ui_MainWindow
from PyQt5.QtWidgets import *
from PyQt5.QtCore import *
from PyQt5.QtGui import *
import qdarkstyle
import json
import time
class MainWinddow(QMainWindow):
print_debug_signal = pyqtSignal(str) # 用于触发打印调试信息函数
show_image_signal = pyqtSignal(str) # 用于触发图像处理结果函数
# 初始化函数
def __init__(self,parent=None):
super(MainWinddow,self).__init__(parent)
self.main_ui = Ui_MainWindow()
self.main_ui.setupUi(self)
# 设置软件名称
self.setWindowTitle("基于TWINLITENET算法的车道线与可行驶区域感知系统")
# 设置登录界面第一行，第二行文字
self.main_ui.label_up.setText("基于TWINLITENET算法的")
self.main_ui.label_down.setText("车道线与可行驶区域感知系统")
self.main_ui.label_up_2.setText("基于TWINLITENET算法的")
self.main_ui.label_9.setText("车道线与可行驶区域感知系统")
# 设置界面起始页
self.main_ui.stackedWidget.setCurrentIndex(0)
# # 设置界面初始状态
# self.clear_label()
# # 设置背景颜色
# palette = qdarkstyle.palette.Palette()
# palette.ID = "dark"
# # 修改背景颜色为红色
# palette.background = "#FF0000" # 这里是十六进制颜色代码，代表红色
#
# self.setStyleSheet(qdarkstyle.load_stylesheet(qt_api="pyqt5", palette=palette))
self.main_ui.textBrowser_debug.document().setMaximumBlockCount(10)
# 读取系统人员名单（采用本地保存格式）
# 账号：英文字母、数字组合或中文（最大长度10）
# 密码：英文字母、数字组合（最大长度6）
self.count_dict = {}
with open(r"UI\form\namelist.json","r", encoding='utf-8' ) as f:
self.count_dict = json.load(f)
# 深度学习模型推理类
self.videoprocess = videoprocess(self.print_debug_signal,self.show_image_signal)
# 背景图平铺
def paintEvent(self, event):
painter = QPainter(self)
pixmap = QPixmap("background/background5.jpg")
painter.drawPixmap(self.rect(), pixmap)
# 背景图平铺结束
# 登录槽函数
def login_function(self):
# 获取界面账户、密码
count = self.main_ui.lineEdit_count.text()
secret = self.main_ui.lineEdit_secret.text()
# 判断用户信息是否存在
if count in self.count_dict.keys():
# 判断密码是否正确
if self.count_dict[count] == secret:
# 弹出登录成功窗口
QMessageBox.information(self,"Tip","登录成功！")
# 切换页面
self.main_ui.stackedWidget.setCurrentIndex(2)
else:
# 弹出密码错误窗口
QMessageBox.critical(self,"error","密码错误！")
else:
# 弹出账户未注册窗口
QMessageBox.critical(self,"error","账户未注册！")
def registe_interface_change(self):
# 切换页面
self.main_ui.stackedWidget.setCurrentIndex(1)
print("registe_interface_change")
# 注册槽函数
def registe_function(self):
# 获取界面账户、密码
count = self.main_ui.lineEdit_count_2.text()
secret = self.main_ui.lineEdit_secret_2.text()
# 判断账户、密码输入是否为空字符串
if len(count) == 0 or len(secret) == 0:
# 提示用户重新输入
QMessageBox.warning(self,"warning","信息无效！")
else:
# 忽视用户信息是否存在，重新设置用户信息
self.count_dict[count] = secret
# 保存至本地，(如需删除账户信息可直接在UI\form\namelist.json中删除即可)
with open(r"UI\form\namelist.json","w", encoding='utf-8') as f: ## 设置'utf-8'编码
f.write(json.dumps(self.count_dict, ensure_ascii=False ,indent=4))
QMessageBox.information(self,"Tip","注册成功！")
def backLoginWindow(self):
# 切换页面
self.main_ui.stackedWidget.setCurrentIndex(0)
# 视频源改变槽函数
def videosoure_change(self):
#当视频源发生切换如果视频正在推理需要停止
if not self.videoprocess.stopped:
self.videoprocess.stopped = True
self.clear_label()
if self.main_ui.comboBox_source.currentIndex() == 0:
self.main_ui.lineEdit_filepath.setVisible(True)
self.main_ui.pushButton_open.setVisible(True)
elif self.main_ui.comboBox_source.currentIndex() == 1:
self.main_ui.lineEdit_filepath.setVisible(True)
self.main_ui.pushButton_open.setVisible(True)
# 打开视频与图片槽函数
def open_video_function(self):
# 打开本地路径
if self.main_ui.comboBox_source.currentIndex() == 0:
fileName, filetype = QFileDialog.getOpenFileName(self,"选取视频","./videos", "'Video Files (*.mp4 *.avi *.mkv)'")
elif self.main_ui.comboBox_source.currentIndex() == 1:
fileName, filetype = QFileDialog.getOpenFileName(self, '选择图片',"./images", 'Image Files (*.png *.jpg *.jpeg *.gif)')
# 显示本地路径
self.main_ui.lineEdit_filepath.setText(fileName)
# 打印信息
self.print_debug_signal.emit("{}打开成功，请点击开始按钮！！！".format(fileName))
# 开始测试
def predicte_function(self):
if not self.videoprocess.stopped:
self.print_debug_signal.emit("已经开启，请关闭后再次开启！！")
return
self.main_ui.pushButton_pause.setVisible(True)
self.main_ui.pushButton_pause.setText("暂停测试")
# 是否保存视频
if self.main_ui.checkBox_save.isChecked():
self.videoprocess.save_out = True
else:
self.videoprocess.save_out = False
self.videoprocess.filename = self.main_ui.lineEdit_filepath.text()
# 启动深度学习推理线程
self.videoprocess.start()
self.main_ui.pushButton_alarm.setStyleSheet("background-color:rgb(0,255,0);border-radius: 10px; border: 2px groove black;border-style: outset;")
# 暂停测试
def setpause_function(self):
if self.videoprocess.is_pause:
# 当前状态已经暂定
self.videoprocess.is_pause = False
self.main_ui.pushButton_pause.setText("暂停测试")
else:
self.videoprocess.is_pause = True
self.main_ui.pushButton_pause.setText("继续测试")
# 停止测试
def stop_function(self):
# 停止深度学习推理线程
if self.videoprocess.stopped:
self.print_debug_signal.emit("已经关闭！！")
else:
self.videoprocess.stopped = True
self.clear_label()
# 清空标签,恢复初始状态
def clear_label(self):
self.main_ui.label_image_source.clear()
self.main_ui.label_image_source.setText("原视频")
self.main_ui.label_image_lane.clear()
self.main_ui.label_image_lane.setText("车道线")
self.main_ui.label_image_driving.clear()
self.main_ui.label_image_driving.setText("可行驶区域")
self.main_ui.label_image_result.clear()
self.main_ui.label_image_result.setText("识别结果")
self.main_ui.pushButton_alarm.setStyleSheet("background-color:rgb(150, 150, 150);border-radius: 10px; border: 2px groove black;border-style: outset;")
self.main_ui.label_fps.setText("FPS: 00.00")
self.main_ui.pushButton_pause.setVisible(False) # 停止运行后暂停按钮失效
# 显示界面函数
def showimgae(self,fps):
if not self.videoprocess.stopped:
# 转换格式
img_source = cv2.cvtColor(self.videoprocess.img_source, cv2.COLOR_BGR2RGB)
color_lane = cv2.cvtColor(self.videoprocess.color_lane, cv2.COLOR_BGR2RGB)
color_driving = cv2.cvtColor(self.videoprocess.color_driving, cv2.COLOR_BGR2RGB)
img_rs = cv2.cvtColor(self.videoprocess.img_rs, cv2.COLOR_BGR2RGB)
# 显示原图
self.main_ui.label_image_source.setPixmap(QPixmap(QImage(img_source.data,img_source.shape[1],img_source.shape[0],QImage.Format_RGB888)))
self.main_ui.label_image_source.setScaledContents(True)
# 显示车道线
self.main_ui.label_image_lane.setPixmap(QPixmap(QImage(color_lane.data,color_lane.shape[1],color_lane.shape[0],QImage.Format_RGB888)))
self.main_ui.label_image_lane.setScaledContents(True)
运行结果
三、在线协助：
如需安装运行环境或远程调试，见文章底部个人 QQ 名片，由专业技术人员远程协助！
1）远程安装运行环境，代码调试
2）Visual Studio, Qt, C++, Python编程语言入门指导
3）界面美化
4）软件制作
5）云服务器申请
6）网站制作
当前文章连接：https://blog.csdn.net/alicema1111/article/details/132666851
个人博客主页：https://blog.csdn.net/alicema1111?type=blog
博主所有文章点这里：https://blog.csdn.net/alicema1111?type=blog
博主推荐：
Python人脸识别考勤打卡系统：
https://blog.csdn.net/alicema1111/article/details/133434445
Python果树水果识别：https://blog.csdn.net/alicema1111/article/details/130862842
Python+Yolov8+Deepsort入口人流量统计：https://blog.csdn.net/alicema1111/article/details/130454430
Python+Qt人脸识别门禁管理系统：https://blog.csdn.net/alicema1111/article/details/130353433
Python+Qt指纹录入识别考勤系统：https://blog.csdn.net/alicema1111/article/details/129338432
Python Yolov5火焰烟雾识别源码分享：https://blog.csdn.net/alicema1111/article/details/128420453
Python+Yolov8路面桥梁墙体裂缝识别：https://blog.csdn.net/alicema1111/article/details/133434445
Python+Yolov5道路障碍物识别：https://blog.csdn.net/alicema1111/article/details/129589741
Python+Yolov5跌倒检测 摔倒检测 人物目标行为 人体特征识别：https://blog.csdn.net/alicema1111/article/details/129272048
![[Vision Board创客营]学习片上Flash移植FAL](https://img-blog.csdnimg.cn/direct/b66a1aacebad4f45aae148685cdb8aeb.png#pic_center)
