识别车辆压线的python代码

车辆压线检测需要使用车道线检测和车辆检测两个模块，下面给出一个简单的基于OpenCV和Python的车辆压线检测代码示例：

import cv2
import numpy as np

# 读取视频
cap = cv2.VideoCapture("test.mp4")

# 车道线检测参数
canny_threshold1 = 50
canny_threshold2 = 150
hough_threshold = 50
minLineLength = 50
maxLineGap = 10

# 车辆检测参数
car_cascade = cv2.CascadeClassifier('cars.xml')
min_car_size = (50, 50)

while True:
    # 读取一帧视频
    ret, frame = cap.read()

    if not ret:
        break

    # 车道线检测
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    edges = cv2.Canny(blur, canny_threshold1, canny_threshold2)
    lines = cv2.HoughLinesP(edges, 1, np.pi / 180, hough_threshold, minLineLength=minLineLength, maxLineGap=maxLineGap)

    # 车辆检测
    cars = car_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=min_car_size)

    # 处理车道线
    if lines is not None:
        for line in lines:
            x1, y1, x2, y2 = line[0]
            cv2.line(frame, (x1, y1), (x2, y2), (0, 0, 255), 2)

    # 处理车辆
    if cars is not None:
        for (x, y, w, h) in cars:
            cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)

    # 显示结果
    cv2.imshow('frame', frame)

    # 按下q键退出
    if cv2.waitKey(25) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

上述代码中，我们首先读取了一个名为`test.mp4`的视频，并分别设置了车道线检测和车辆检测的参数。在每一帧视频中，我们首先进行车道线检测，然后进行车辆检测。如果检测到了车道线或车辆，我们就在原图像上绘制相应的标记。最后，我们将处理后的视频显示出来，并在按下q键时退出循环。

需要注意的是，这里使用的车辆检测器是基于Haar特征的级联分类器，需要提前训练好模型并将其保存为`cars.xml`文件。如果你没有训练好的模型，可以从网上找一些现成的模型进行使用。

此外，这只是一个简单的示例代码，实际的车辆压线检测还需要考虑更多的因素，例如车辆的速度、角度、遮挡等等。如果你需要更准确的结果，可以考虑使用更复杂的算法和模型。