OpenCV视觉分析之目标跟踪(8)目标跟踪函数CamShift()使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

找到物体的中心、大小和方向。

CamShift(Continuously Adaptive Mean Shift)是 OpenCV 中的一种目标跟踪算法,广泛应用于视频中对象的跟踪。CamShift 算法结合了 Mean Shift 算法和颜色直方图,通过迭代寻找目标区域的颜色分布中心,从而实现目标的跟踪。

基本原理

  • 颜色直方图:首先,根据目标区域的颜色信息构建颜色直方图。颜色直方图描述了目标区域中各颜色的分布情况。
  • Mean Shift:Mean Shift 算法通过迭代寻找目标区域的颜色分布中心,逐步调整目标区域的位置和大小。
  • 适应性调整:CamShift 算法不仅调整目标区域的位置,还根据目标区域的颜色分布调整其大小和方向,从而实现更精确的跟踪。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Rect selection;
bool selecting   = false;
bool trackObject = false;
Point origin;
Mat frame;  // 声明一个全局变量来存储当前帧

void onMouse( int event, int x, int y, int, void* )
{
    if ( selecting )
    {
        selection.x      = MIN( x, origin.x );
        selection.y      = MIN( y, origin.y );
        selection.width  = abs( x - origin.x );
        selection.height = abs( y - origin.y );
        selection &= Rect( 0, 0, frame.cols, frame.rows );  // 使用全局变量 frame
    }

    switch ( event )
    {
    case EVENT_LBUTTONDOWN:
        selecting = true;
        origin    = Point( x, y );
        selection = Rect( x, y, 0, 0 );
        break;
    case EVENT_LBUTTONUP:
        selecting = false;
        if ( selection.width > 0 && selection.height > 0 )
        {
            trackObject = true;
        }
        break;
    }
}

int main()
{
    VideoCapture cap(0);
    if ( !cap.isOpened() )
    {
        cerr << "Error opening video file" << endl;
        return -1;
    }

    namedWindow( "CamShift Tracker", WINDOW_NORMAL );
    setMouseCallback( "CamShift Tracker", onMouse );

    while ( true )
    {
        cap >> frame;
        if ( frame.empty() )
            break;

        Mat hsv_frame, hue_frame, mask, backproj;
        cvtColor( frame, hsv_frame, COLOR_BGR2HSV );

        if ( trackObject )
        {
            // 提取 H(色调)通道
            vector< Mat > hsv_channels;
            split( hsv_frame, hsv_channels );
            Mat hue_channel = hsv_channels[ 0 ];

            // 计算颜色直方图
            Mat roi = hue_channel( selection );
            Mat hsv_hist;
            int histSize[]        = { 32 };
            float hranges[]       = { 0, 180 };
            const float* ranges[] = { hranges };
            calcHist( &roi, 1, 0, Mat(), hsv_hist, 1, histSize, ranges, true, false );
            normalize( hsv_hist, hsv_hist, 0, 255, NORM_MINMAX );

            // 计算反投影
            calcBackProject( &hue_channel, 1, 0, hsv_hist, backproj, ranges, 1, true );

            // 使用 CamShift 进行跟踪
            TermCriteria term_crit( TermCriteria::COUNT | TermCriteria::EPS, 10, 1 );
            RotatedRect track_box = CamShift( backproj, selection, term_crit );

            // 绘制跟踪结果
            ellipse( frame, track_box, Scalar( 0, 255, 0 ), 2 );
        }

        // 绘制选择区域
        if ( selecting )
        {
            rectangle( frame, selection, Scalar( 255, 0, 0 ), 2 );
        }

        imshow( "CamShift Tracker", frame );

        char c = waitKey( 30 );
        if ( c == 27 )
            break;  // 按下 ESC 键退出
    }

    cap.release();
    destroyAllWindows();

    return 0;
}

运行结果

相关推荐
BSV区块链3 分钟前
如何在BSV区块链上实现可验证AI
人工智能·区块链
武子康19 分钟前
大数据-212 数据挖掘 机器学习理论 - 无监督学习算法 KMeans 基本原理 簇内误差平方和
大数据·人工智能·学习·算法·机器学习·数据挖掘
deephub20 分钟前
Tokenformer:基于参数标记化的高效可扩展Transformer架构
人工智能·python·深度学习·架构·transformer
Q81375746026 分钟前
数据挖掘在金融交易中的应用:民锋科技的智能化布局
人工智能·科技·数据挖掘
qzhqbb30 分钟前
语言模型的采样方法
人工智能·语言模型·自然语言处理
qzhqbb33 分钟前
基于 Transformer 的语言模型
人工智能·语言模型·自然语言处理·transformer
___Dream33 分钟前
【CTFN】基于耦合翻译融合网络的多模态情感分析的层次学习
人工智能·深度学习·机器学习·transformer·人机交互
极客代码41 分钟前
【Python TensorFlow】入门到精通
开发语言·人工智能·python·深度学习·tensorflow
义小深43 分钟前
TensorFlow|咖啡豆识别
人工智能·python·tensorflow
Tianyanxiao1 小时前
如何利用探商宝精准营销,抓住行业机遇——以AI技术与大数据推动企业信息精准筛选
大数据·人工智能·科技·数据分析·深度优先·零售