在OpenCV里使用Camshift算法的實現(xiàn)
前面學習過Meanshift算法,在觀察這個結果標記時,會發(fā)現(xiàn)有這樣一個問題,如下圖:
汽車比較遠時,用一個很小的窗口就可以把它框住,這是符合近大遠小的投影原理,當比較近的時候如下:
相同大小的窗口已經不能包圍它了,那么這樣跟蹤目標對象就成為了一個問題,怎么樣來更改它呢?那么就是Camshift (Continuously Adaptive Meanshift)算法引入的原因了。同時還會有一個問題,怎么樣判斷物體旋轉的方向,這個算法也會解決這樣的問題。這個算法發(fā)表在1998年的論文《Computer Vision Face Tracking for Use in a Perceptual User Interface》里。
這個算法,首先應用meanshift找到最大密度,然后再更新窗口的大小,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,并且窗口大小也合適為止。
Camshift函數(shù)返回兩個值,第一個值ret是一個旋轉的窗口,第二個值是窗口搜索位置給下一次搜索使用的。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() #設置目標窗口 #讀取文件 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,0,255,cv2.NORM_MINMAX) #設置迭代條件,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],[0],roi_hist,[0,180],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, (255,0,0),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,也希望大家多多支持腳本之家。
相關文章
詳解Python的Django框架中inclusion_tag的使用
這篇文章主要介紹了詳解Python的Django框架中inclusion_tag的使用,文中示例基于Python較早的2.x版本,希望能夠注意一下,需要的朋友可以參考下2015-07-07pytorch實現(xiàn)對輸入超過三通道的數(shù)據進行訓練
今天小編就為大家分享一篇pytorch實現(xiàn)對輸入超過三通道的數(shù)據進行訓練,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01Django 導出項目依賴庫到 requirements.txt過程解析
這篇文章主要介紹了Django 導出項目依賴庫到 requirements.txt過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08淺談keras保存模型中的save()和save_weights()區(qū)別
這篇文章主要介紹了淺談keras保存模型中的save()和save_weights()區(qū)別,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05OpenCV+MediaPipe實現(xiàn)手部關鍵點識別
這篇文章主要介紹了如何通過OpenCV MediaPipe實現(xiàn)手部關鍵點識別,文中的示例代碼講解詳細,對我們學習或工作有一定的價值,需要的可以參考一下2022-01-01Python UnboundLocalError和NameError錯誤根源案例解析
這篇文章主要介紹了Python UnboundLocalError和NameError錯誤根源解析,本文通過案例分析實例代碼相結合的形式給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下2018-10-10