在OpenCV裡使用Camshift演算法的實現
阿新 • • 發佈:2020-01-09
前面學習過Meanshift演算法,在觀察這個結果標記時,會發現有這樣一個問題,如下圖:
汽車比較遠時,用一個很小的視窗就可以把它框住,這是符合近大遠小的投影原理,當比較近的時候如下:
相同大小的視窗已經不能包圍它了,那麼這樣跟蹤目標物件就成為了一個問題,怎麼樣來更改它呢?那麼就是Camshift (Continuously Adaptive Meanshift)演算法引入的原因了。同時還會有一個問題,怎麼樣判斷物體旋轉的方向,這個演算法也會解決這樣的問題。這個演算法發表在1998年的論文《Computer Vision Face Tracking for Use in a Perceptual User Interface》裡。
這個演算法,首先應用meanshift找到最大密度,然後再更新視窗的大小,接著計算最適合外包橢圓;如果不合適又進入一輪迭代過程。直滿足meanshift的條件,並且視窗大小也合適為止。
Camshift函式返回兩個值,第一個值ret是一個旋轉的視窗,第二個值是視窗搜尋位置給下一次搜尋使用的。例子如下:
#python 3.7.4,opencv4.1 #蔡軍生 https://blog.csdn.net/caimouse/article/details/51749579 # import numpy as np import cv2 from matplotlib import pyplot as plt capture = cv2.VideoCapture(1) if not capture.isOpened: print('Unable to open: ') exit(0) #獲取第一幀圖片 ret,frame = capture.read() #設定目標視窗 #讀取檔案 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) #跟蹤目標 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]) #計算直方圖 cv2.normalize(roi_hist,roi_hist,255,cv2.NORM_MINMAX) #設定迭代條件,每10移動一點 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],180],1)#反向投影 #使用 meanshift獲得新位置 ret,track_window = cv2.CamShift(dst,track_window,term_crit) #顯示標記 pts = cv2.boxPoints(ret) pts = np.int0(pts) img2 = cv2.polylines(frame,[pts],True,(255,0),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()
結果輸出如下:
比較遠的照片
比較近的照片
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。