OpenCV 目标追踪

目标跟踪是计算机视觉领域的一个重要问题,目前广泛应用在体育赛事转播、安防监控和无人机、无人车、机器人等领域。

案例来源于傅老师。

OpenCV包含八个单独的对象跟踪实现:

1、BOOSTING Tracker:基于相同的算法,用于为Haar级联(AdaBoost)背后的机器学习提供动力,但是像Haar级联一样,已有十多年的历史了。这个跟踪器很慢,不能很好地工作。逻辑原理和与其他算法做比较。 (最低OpenCV 3.0.0)

2、MIL Tracker:比BOOSTING跟踪器更准确,但报告失败的工作很差。 (最低OpenCV 3.0.0) 3、KCF Tracker:核心相关滤波器。比BOOSTING和MIL更快。与MIL和KCF类似,不能很好地处理完全闭塞.(最低OpenCV 3.1.0)

4、CSRT Tracker:判别相关滤波器(具有信道和空间可靠性)。趋向于比KCF更准确但稍慢。 (最低OpenCV 3.4.2)

5、MedianFlow Tracker:报道失败的好工作;但是,如果运动中的跳跃太大,例如快速移动的物体,或者外观变化很快的物体,则模型将失败。 (最低OpenCV 3.0.0)

6、TLD Tracker:TLD跟踪器非常容易出现误报。不建议使用此OpenCV对象跟踪器。 (最低OpenCV 3.0.0)

7、MOSSE Tracker:非常非常快。不如CSRT或KCF准确,但如果你需要纯粹的速度,这是一个很好的选择。 (最低OpenCV 3.4.1)

8、GOTURN Tracker:OpenCV中唯一的基于深度学习的对象检测器。它需要运行其他模型文件(不做介绍)。

OpenCV目标追踪选择:

1、当需要更高的对象跟踪精度并且可以容忍更慢的FPS吞吐量时,请使用CSRT。

2、当需要更快的FPS吞吐量时使用KCF,但可以处理稍低的对象跟踪精度。

3、当需要纯粹的速度时使用MOSSE。

Contrib包的安装:

新版的opencv把很多相关的接口都换地方了。默认安装的没有相关算法,需要安装opencv_contrib扩展包。

pip install opencv-contrib-python==3.4.3.18

实践:

import cv2
import numpy as np

OPENCV_OBJECT_TRACKERS = {
    "csrt": cv2.TrackerCSRT_create,
    "kcf": cv2.TrackerKCF_create,
    "boosting": cv2.TrackerBoosting_create,
    "mil": cv2.TrackerMIL_create,
    "tld": cv2.TrackerTLD_create,
    "medianflow": cv2.TrackerMedianFlow_create,
    "mosse": cv2.TrackerMOSSE_create
}

# 实例化OpenCV的tracker
trackers = cv2.MultiTracker_create()
vs = cv2.VideoCapture("los_angeles.mp4")
while True:
    # 取当前帧
    frame = vs.read()
    # (true, data)
    frame = frame[1]
    # 到头了就结束
    if frame is None:
        break

    # resize每一帧
    (h, w) = frame.shape[:2]
    width=600
    r = width / float(w)
    dim = (width, int(h * r))
    frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA)

    # 追踪结果
    (success, boxes) = trackers.update(frame)

    # 绘制区域
    for box in boxes:
        (x, y, w, h) = [int(v) for v in box]
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 显示
    cv2.imshow("Frame", frame)
    key = cv2.waitKey(100) & 0xFF
    if key == ord("s"):
        # 选择一个区域,按s
        box = cv2.selectROI("Frame", frame, fromCenter=False,
            showCrosshair=True)

        # 创建一个新的追踪器
        tracker = OPENCV_OBJECT_TRACKERS["csrt"]()
        trackers.add(tracker, frame, box)

    # 退出
    elif key == 27:
        break
vs.release()
cv2.destroyAllWindows() 

上一篇:Gnome桌面tracker进程占用大量磁盘与cpu以及内存资源问题处理


下一篇:一、分布式文件系统FastDFS原理及入门