在OpenCV里使用Camshift算法的实现

技术  /  管理员 发布于 7年前   198

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 (Continuously Adaptive Meanshift)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《Computer Vision Face Tracking for Use in a Perceptual User Interface》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：

#python 3.7.4,opencv4.1#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579#import numpy as npimport cv2from matplotlib import pyplot as plt capture = cv2.VideoCapture(1)if not capture.isOpened:  print('Unable to open: ')  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 = 10y = 10width = 120 - xheight = 120 - ytrack_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()   if ret == 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)    if keyboard == ord('q') or keyboard == 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。