在OpenCV里使用Camshift算法的实现
前面学习过Meanshift算法,在观察这个结果标记时,会发现有这样一个问题,如下图:
汽车比较远时,用一个很小的窗口就可以把它框住,这是符合近大远小的投影原理,当比较近的时候如下:
相同大小的窗口已经不能包围它了,那么这样跟踪目标对象就成为了一个问题,怎么样来更改它呢?那么就是Camshift(ContinuouslyAdaptiveMeanshift)算法引入的原因了。同时还会有一个问题,怎么样判断物体旋转的方向,这个算法也会解决这样的问题。这个算法发表在1998年的论文《ComputerVisionFaceTrackingforUseinaPerceptualUserInterface》里。
这个算法,首先应用meanshift找到最大密度,然后再更新窗口的大小,接着计算最适合外包椭圆;如果不合适又进入一轮迭代过程。直满足meanshift的条件,并且窗口大小也合适为止。
Camshift函数返回两个值,第一个值ret是一个旋转的窗口,第二个值是窗口搜索位置给下一次搜索使用的。例子如下:
#python3.7.4,opencv4.1 #蔡军生https://blog.csdn.net/caimouse/article/details/51749579 # importnumpyasnp importcv2 frommatplotlibimportpyplotasplt capture=cv2.VideoCapture(1) ifnotcapture.isOpened: print('Unabletoopen:') exit(0) #获取第一帧图片 ret,frame=capture.read() #设置目标窗口 #读取文件 find=cv2.imread('luohu1.png') h,w=find.shape[:2] roi=find[10:120,10:120] x=10 y=10 width=120-x height=120-y track_window=(x,y,w,h) print(track_window) #跟踪目标 hsv_roi=cv2.cvtColor(roi,cv2.COLOR_BGR2HSV) mask=cv2.inRange(hsv_roi,np.array((0.,60.,32.)),np.array((180.,255.,255.))) roi_hist=cv2.calcHist([hsv_roi],[0],mask,[180],[0,180])#计算直方图 cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX) #设置迭代条件,每10移动一点 term_crit=(cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_COUNT,10,1) while(1): ret,frame=capture.read() ifret==True: hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) dst=cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1)#反向投影 #使用meanshift获得新位置 ret,track_window=cv2.CamShift(dst,track_window,term_crit) #显示标记 pts=cv2.boxPoints(ret) pts=np.int0(pts) img2=cv2.polylines(frame,[pts],True,(255,0,0),2) cv2.imshow('img2',img2) cv2.imshow("dst",dst) cv2.imshow("roi",roi) keyboard=cv2.waitKey(1) ifkeyboard==ord('q')orkeyboard==ord('Q'): break else: break capture.release() cv2.destroyAllWindows()
结果输出如下:
比较远的照片
比较近的照片
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。