本文將介紹在Ubuntu下利用python來呼叫Dlib和opencv，來實現目標跟蹤。

opencv是計算機視覺界最常用的庫，而至於Dlib在本人《Windows下利用dlib19.2實現多目標追蹤 》博文中也提到過。Dlib是一個很好用的開源C ++工具包，其中包含很多機器學習以及其他演算法。 它被廣泛應用於行業和學術領域，包括機器人，嵌入式裝置，行動電話和大型高效能運算環境。而且它還有python介面，這使得它簡直就是我這種C++程式設計能力比較弱渣渣的福音（PS：C++還是要好好學的！本人在此立flag！！！）。

環境配置

• 系統：ubuntu16.04.2
• opencv3.2.0（Ubuntu下opencv的安裝如果有疑問，參見我《Ubuntu16.04 OpenCV安裝筆記 》一文）
• Dlib19.4（下載地址http://dlib.net/files/dlib-19.4.tar.bz2）
  ubuntu下Dlib的安裝參見它原始碼根目錄下的“README.md”，介紹得比較詳細，無非也就是Cmake->make->make install……，唯一一點就是要安裝它的python介面，安裝完後，開啟python，import dlib 沒錯就說明OK了。

Dlib

本文主要用到的時Python API中的dlib.correlation_tracker類，裡面有關於各個函式的詳細介紹。

目標跟蹤

先貼程式碼，看效果：

import osimport globimport cv2import dlib# Path to the video framesvideo_folder = os.path.join("..", "examples", "video_frames"
 
)# Create the correlation tracker - the object needs to be initialized before it can be usedtracker = dlib.correlation_tracker()selection = Nonetrack_window = Nonedrag_start = Nonedef onmouse(event, x, y, flags, param):    global selection,track_window,drag_start    if event == cv2.EVENT_LBUTTONDOWN:        drag_start = (x, y)        track_window = None    if drag_start:        xmin = min(x, drag_start[0])        ymin = min(y, drag_start[1])        xmax = max(x, drag_start[0])        ymax = max(y, drag_start[1])        selection = (xmin, ymin, xmax, ymax)    if event == cv2.EVENT_LBUTTONUP:        drag_start = None        track_window = selection        selection = Nonedef main():    cv2.namedWindow('image',1)    cv2.setMouseCallback('image',onmouse)    # We will track the frames as we load them off of disk    for k, f in enumerate(sorted(glob.glob(os.path.join(video_folder, "*.jpg")))):        print("Processing Frame {}".format(k))        img_raw = cv2.imread(f)        image = img_raw.copy()        # We need to initialize the tracker on the first frame        if k == 0:            # Start a track on the object you want. box the object using the mouse and press 'Enter' to start tracking              while True:                img_first = image.copy()                if track_window:                    cv2.rectangle(img_first,(track_window[0],track_window[1]),(track_window[2],track_window[3]),(0,0,255),1)                elif selection:                    cv2.rectangle(img_first,(selection[0],selection[1]),(selection[2],selection[3]),(0,0,255),1)                cv2.imshow('image',img_first)                if cv2.waitKey(10) == 10:                    break            tracker.start_track(image, dlib.rectangle(track_window[0], track_window[1], track_window[2], track_window[3]))        else:            # Else we just attempt to track from the previous frame            tracker.update(image)        # Get previous box and draw on showing image        box_predict = tracker.get_position()        cv2.rectangle(image,(int(box_predict.left()),int(box_predict.top())),(int(box_predict.right()),int(box_predict.bottom())),(0,0,255),1)        cv2.imshow('image',image)        cv2.waitKey(10)    cv2.destroyAllWindows()if __name__ == '__main__':    main()
   

    
1
    
2
    
3
    
4
    
5
    
6
    
7
    
8
    
9
    
10
    
11
    
12
    
13
    
14
    
15
    
16
    
17
    
18
    
19
    
20
    
21
    
22
    
23
    
24
    
25
    
26
    
27
    
28
    
29
    
30
    
31
    
32
    
33
    
34
    
35
    
36
    
37
    
38
    
39
    
40
    
41
    
42
    
43
    
44
    
45
    
46
    
47
    
48
    
49
    
50
    
51
    
52
    
53
    
54
    
55
    
56
    
57
    
58
    
59
    
60
    
61
    
62
    
63
    
64
    
65
    
66
    
67
   

該py檔案放在dlib-19.4/python_examples中，視訊檔案（其實是每幀的圖片）在dlib-19.4/examples/video_frames中。

• 程式執行後，會顯示出第一幀，用滑鼠框一個要跟蹤的物體：
  
• 框好後按回車進行跟蹤：
  

程式碼分析

• 用opencv的滑鼠GUI操作來在第一幀框住要跟蹤的目標，這隻需要在顯示框上設定一個回撥函式，來返回滑鼠框到的框的座標。

• 根據框好的框確定要跟蹤的目標物體，並傳入tracker.start_track中。

• 按回車進行跟蹤 ，之後用tracker.update(image)來追蹤當前幀。tracker.get_position()返回追蹤到的框，但要注意的是返回的這個框的資料型別時Dlib中的drectangle，不能直接傳給我們顯示所用的Opencv函式，所以我們通過drectangle操作函式來將框的座標資訊讀出來（關於dlib.drectangle，詳細資訊去Python API中查）。

• 最後根據跟蹤得到的框在圖片顯示時框出來就好了。

總結一下，使用 dlib.correlation_tracker分四步：
1. 用dlib.correlation_tracker()建立一個跟蹤類
2. start_track中設定圖片中的要跟蹤物體的框
3. update()中輸入要跟蹤的下一幀圖片
4. get_position()得到跟蹤到的目標在新一幀中框的位置

再分享一下我老師大神的人工智慧教程吧。零基礎！通俗易懂！風趣幽默！還帶黃段子！希望你也加入到我們人工智慧的隊伍中來！https://blog.csdn.net/jiangjunshow