Opencv基于CamShift算法如何實(shí)現(xiàn)目標(biāo)跟蹤

小編給大家分享一下Opencv基于CamShift算法如何實(shí)現(xiàn)目標(biāo)跟蹤，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

創(chuàng)新互聯(lián)是一家專業(yè)提供南川企業(yè)網(wǎng)站建設(shè),專注與成都網(wǎng)站設(shè)計(jì)、成都網(wǎng)站建設(shè)、HTML5、小程序制作等業(yè)務(wù)。10年已為南川眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)絡(luò)公司優(yōu)惠進(jìn)行中。

CamShift算法全稱是“Continuously Adaptive Mean-Shift”（連續(xù)的自適應(yīng)MeanShift算法），是對(duì)MeanShift算法的改進(jìn)算法，可以在跟蹤的過(guò)程中隨著目標(biāo)大小的變化實(shí)時(shí)調(diào)整搜索窗口大小，對(duì)于視頻序列中的每一幀還是采用MeanShift來(lái)尋找最優(yōu)迭代結(jié)果，至于如何實(shí)現(xiàn)自動(dòng)調(diào)整窗口大小的，可以查到的論述較少，我的理解是通過(guò)對(duì)MeanShift算法中零階矩的判斷實(shí)現(xiàn)的。
在MeanShift算法中尋找搜索窗口的質(zhì)心用到窗口的零階矩M00和一階矩M10，M01：

零階矩是搜索窗口內(nèi)所有像素的積分，即所有像素值之和，物理上的意義是計(jì)算搜索窗口的尺寸。經(jīng)過(guò)目標(biāo)的H分量直方圖反向投影后，目標(biāo)區(qū)域的搜索窗口大部分像素值歸一化后應(yīng)該是最大值255，如果計(jì)算出來(lái)零階矩大于某一閾值，可以認(rèn)為此時(shí)目標(biāo)鋪滿了整個(gè)搜索窗口，有理由認(rèn)為在搜索窗口之外的區(qū)域還存在目標(biāo)區(qū)域，需要增大搜索窗口的尺寸；相應(yīng)的，如果零階矩小于某一閾值，則需要縮小搜索窗口的尺寸，如此一來(lái)，當(dāng)目標(biāo)的大小發(fā)生變化的時(shí)候，CamShift算法就可以自適應(yīng)的調(diào)整目標(biāo)區(qū)域進(jìn)行跟蹤。

以上過(guò)程中涉及到一個(gè)關(guān)鍵的概念——反向投影，CamShift和MeanShift的運(yùn)算都是在反向投影圖像上進(jìn)行的，反向投影的實(shí)現(xiàn)過(guò)程如下：計(jì)算并生成目標(biāo)區(qū)域的H分量的直方圖，反向投影其實(shí)就是把目標(biāo)圖像上每一個(gè)像素點(diǎn)的像素值替換為當(dāng)前像素值所在bin對(duì)應(yīng)的直方圖bin的數(shù)值。

Opencv中CamShfit在使用上跟MeanShift一致：

CamShift( InputArray probImage, CV_OUT CV_IN_OUT Rect& window, 
         TermCriteria criteria );

第一個(gè)參數(shù)probImage是反向投影圖像
第二個(gè)參數(shù)window是輸入和輸出的搜索窗口/目標(biāo)窗口，window的尺寸會(huì)自動(dòng)調(diào)整
第三個(gè)參數(shù)criteria是迭代收斂終止條件

#include "core/core.hpp"  
#include "highgui/highgui.hpp"  
#include "imgproc/imgproc.hpp" 
#include "video/tracking.hpp" 
#include<iostream>  
 
using namespace cv;  
using namespace std;  
 
Mat image;  
Mat rectImage; 
Mat imageCopy; //繪制矩形框時(shí)用來(lái)拷貝原圖的圖像  
bool leftButtonDownFlag=false; //左鍵單擊后視頻暫停播放的標(biāo)志位  
Point originalPoint; //矩形框起點(diǎn)  
Point processPoint; //矩形框終點(diǎn)  
 
Mat targetImageHSV; 
int histSize=200;  
float histR[]={0,255};  
const float *histRange=histR;  
int channels[]={0,1};  
Mat dstHist; 
Rect rect; 
vector<Point> pt; //保存目標(biāo)軌跡 
void onMouse(int event,int x,int y,int flags ,void* ustc); //鼠標(biāo)回調(diào)函數(shù)  
 
int main(int argc,char*argv[])  
{  
 VideoCapture video(argv[1]);  
 double fps=video.get(CV_CAP_PROP_FPS); //獲取視頻幀率  
 double pauseTime=1000/fps; //兩幅畫面中間間隔  
 namedWindow("跟蹤木頭人",0);  
 setMouseCallback("跟蹤木頭人",onMouse);  
 while(true)  
 {  
  if(!leftButtonDownFlag) //判定鼠標(biāo)左鍵沒(méi)有按下，采取播放視頻，否則暫停  
  {  
   video>>image;  
  }  
  if(!image.data||waitKey(pauseTime)==27) //圖像為空或Esc鍵按下退出播放  
  {  
   break;  
  }  
  if(originalPoint!=processPoint&&!leftButtonDownFlag)  
  {  
   Mat imageHSV; 
   Mat calcBackImage; 
   cvtColor(image,imageHSV,CV_RGB2HSV); 
   calcBackProject(&imageHSV,2,channels,dstHist,calcBackImage,&histRange); //反向投影 
   TermCriteria criteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 1000, 0.001);  
   CamShift(calcBackImage, rect, criteria);  
   Mat imageROI=imageHSV(rect); //更新模板    
   targetImageHSV=imageHSV(rect); 
   calcHist(&imageROI, 2, channels, Mat(), dstHist, 1, &histSize, &histRange);  
   normalize(dstHist, dstHist, 0.0, 1.0, NORM_MINMAX); //歸一化 
   rectangle(image, rect, Scalar(255, 0, 0),3); //目標(biāo)繪制  
   pt.push_back(Point(rect.x+rect.width/2,rect.y+rect.height/2)); 
   for(int i=0;i<pt.size()-1;i++) 
   { 
    line(image,pt[i],pt[i+1],Scalar(0,255,0),2.5); 
   } 
  }  
  imshow("跟蹤木頭人",image);  
  waitKey(100); 
 } 
 return 0;  
}  
 
//*******************************************************************//  
//鼠標(biāo)回調(diào)函數(shù)  
void onMouse(int event,int x,int y,int flags,void *ustc)  
{  
 if(event==CV_EVENT_LBUTTONDOWN)  
 {  
  leftButtonDownFlag=true; //標(biāo)志位  
  originalPoint=Point(x,y); //設(shè)置左鍵按下點(diǎn)的矩形起點(diǎn)  
  processPoint=originalPoint;  
 }  
 if(event==CV_EVENT_MOUSEMOVE&&leftButtonDownFlag)  
 {  
  imageCopy=image.clone();  
  processPoint=Point(x,y);  
  if(originalPoint!=processPoint)  
  {  
   //在復(fù)制的圖像上繪制矩形  
   rectangle(imageCopy,originalPoint,processPoint,Scalar(255,0,0),2);  
  }  
  imshow("跟蹤木頭人",imageCopy);  
 }  
 if(event==CV_EVENT_LBUTTONUP)  
 {  
  leftButtonDownFlag=false;  
  rect=Rect(originalPoint,processPoint);   
  rectImage=image(rect); //子圖像顯示  
  imshow("Sub Image",rectImage);   
  cvtColor(rectImage,targetImageHSV,CV_RGB2HSV); 
  imshow("targetImageHSV",targetImageHSV); 
  calcHist(&targetImageHSV,2,channels,Mat(),dstHist,1,&histSize,&histRange,true,false);   
  normalize(dstHist,dstHist,0,255,CV_MINMAX); 
  imshow("dstHist",dstHist); 
 }   
}

藍(lán)色窗口是跟蹤的目標(biāo)，綠色線條是目標(biāo)走過(guò)的軌跡。

看完了這篇文章，相信你對(duì)“Opencv基于CamShift算法如何實(shí)現(xiàn)目標(biāo)跟蹤”有了一定的了解，如果想了解更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！

網(wǎng)站名稱：Opencv基于CamShift算法如何實(shí)現(xiàn)目標(biāo)跟蹤
標(biāo)題鏈接：http://m.kartarina.com/article42/jeddec.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供動(dòng)態(tài)網(wǎng)站、網(wǎng)站策劃、品牌網(wǎng)站建設(shè)、、網(wǎng)站維護(hù)、移動(dòng)網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)