《深度学习》OpenCV 物体跟踪 原理及案例解析

目录

一、物体跟踪

1、什么是物体跟踪

2、步骤

1)选择跟踪算法

2)初始化跟踪器

3)在每个视频帧上执行跟踪

4)可选的重新初始化

3、原理

二、案例实现

1、完整代码

1)使用方式

2)运行结果

2、关于代码中selectROI的参数showCrosshair

3、使用摄像头


一、物体跟踪

1、什么是物体跟踪

物体跟踪是指在一个视频序列持续追踪特定的物体。这可以在许多应用程序中很有用,例如目标识别、视频监控和增强现实。

2、步骤

1)选择跟踪算法

OpenCV提供了多种物体跟踪算法,例如基于颜色直方图的CamShift算法、基于模板匹配的MeanShift算法、基于运动向量的光流法等。

2)初始化跟踪器

使用选定的算法,初始化物体跟踪器。这通常涉及选择感兴趣区域(ROI)或提供初始边界框。

3)在每个视频帧上执行跟踪

对于每个视频帧,使用跟踪算法来更新物体的位置。这可能涉及计算运动向量、偏移或变换。

4)可选的重新初始化

如果物体跟丢了,你可以选择重新初始化跟踪器,以确保继续跟踪。

3、原理

物体跟踪的原理基于计算机视觉和图像处理的技术。不同的算法使用不同的原理来实现物体跟踪。例如,基于颜色的跟踪算法使用颜色分布来识别并跟踪物体。模板匹配算法使用图像相似性来在连续帧中找到最佳匹配。光流法则利用像素强度之间的变化来估计物体的运动。

二、案例实现

1、完整代码

python 复制代码
import cv2
tracker = cv2.TrackerCSRT_create()  # 创建一个CSRT跟踪器,基于判别式滤波器的跟踪方法,适用于长时间跟踪
tracking = False  # 初始化跟踪标志
cap = cv2.VideoCapture('test.avi')   # 打开视频文件
while True:   # 建立死循环,遍历视频帧
    ret,frame = cap.read()   # 读取每一帧图像,返回读取状态布尔值,以及每一帧图像
    if not ret:   # 如果没有读取到视频帧,终止循环
        break
    if cv2.waitKey(1) == ord('a'):   # 等待键盘按下a键,按下后执行判断语句
        tracking = True    # 设置跟踪标志为True
        roi = cv2.selectROI('Tracking', frame, showCrosshair = False)  # showCrosshair表示是否显示十字准尾,默认为True
        # 使用selectROI函数标记感兴趣的区域ROI,Tracking为窗口名称,frame为每一帧画面,在其上标记区域
        tracker.init(frame,roi)  # 上一步标记区域ROI后,在当前这步初始化CSRT跟踪器,以便于接收新的视频帧
    if tracking:   # tracking为True表示按下了a键
        success, box = tracker.update(frame)  # 更新CSRT跟踪器状态并获取跟踪结果,返回值,success为布尔值表示是否跟踪成功,box为四元组(x,y,w,h),表示当前帧上对象的边界框
        if success:  # 如果跟踪到了
            x,y,w,h = [int(v) for v in box]   # 遍历出来跟踪到的四元组内的数据
            cv2.rectangle(frame, (x,y),(x+ w,y+ h),(0,255,0), 2)  # 在frame上绘制矩形框
    cv2.imshow( 'Tracking', frame)  # 展示跟踪的画面,因为是在frame上直接标记的
    if cv2.waitKey(100)== 27:  # 键入esc键终止循环,100表示每一帧的画面展示100毫秒
        break
# 释放资源
cap.release()  # 释放视频捕获对象
cv2.destroyAllWindows()  # 销毁所有窗口
1)使用方式

右击运行后,点击小写a键,没反应就多次点击,直至画面静止,然后鼠标选中需要识别的区域,点击空格或回车即可自动跟踪识别。

2)运行结果

2、关于代码中selectROI的参数showCrosshair

3、使用摄像头

只需将上述代码中的cap = cv2.VideoCapture('test.avi')更改为cap = cv2.VideoCapture(0)即可。(如下图所示)

相关推荐
阿坡RPA5 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
用户27784491049935 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
机器之心5 小时前
刚刚,DeepSeek公布推理时Scaling新论文,R2要来了?
人工智能
算AI7 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
凯子坚持 c8 小时前
基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
人工智能·paddlepaddle
你觉得2058 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
8K超高清8 小时前
中国8K摄像机:科技赋能文化传承新图景
大数据·人工智能·科技·物联网·智能硬件
hyshhhh9 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
薛定谔的猫-菜鸟程序员9 小时前
零基础玩转深度神经网络大模型:从Hello World到AI炼金术-详解版(含:Conda 全面使用指南)
人工智能·神经网络·dnn
币之互联万物9 小时前
2025 AI智能数字农业研讨会在苏州启幕,科技助农与数据兴业成焦点
人工智能·科技