opencv3/C++ 使用Tracker實現(xiàn)簡單目標跟蹤
簡介
MIL: TrackerMIL 以在線方式訓練分類器將對象與背景分離;多實例學習避免魯棒跟蹤的漂移問題.
OLB: TrackerBoosting 基于AdaBoost算法的在線實時對象跟蹤.分類器在更新步驟中使用周圍背景作為反例以避免漂移問題.
MedianFlow: TrackerMedianFlow 跟蹤器適用于非常平滑和可預測的運動,物體在整個序列中可見.
TLD: TrackerTLD 將長期跟蹤任務分解為跟蹤,學習和檢測.跟蹤器在幀之間跟蹤對象.探測器本地化所觀察到的所有外觀,并在必要時糾正跟蹤器.學習估計檢測器的錯誤并進行更新以避免再出現(xiàn)這些錯誤.追蹤器能夠處理快速運動,部分遮擋,物體缺失等情況.
KCF: TrackerKCF 使用目標周圍區(qū)域的循環(huán)矩陣采集正負樣本,利用脊回歸訓練目標檢測器,并成功的利用循環(huán)矩陣在傅里葉空間可對角化的性質將矩陣的運算轉化為向量的Hadamad積,即元素的點乘,大大降低了運算量,提高了運算速度,使算法滿足實時性要求.
部分相關API:
TrackerMIL
static Ptr<TrackerMIL> create(const TrackerMIL::Params ¶meters); CV_WRAP static Ptr<TrackerMIL> create();
struct CV_EXPORTS Params { PARAMS(); //采樣器的參數(shù) float samplerInitInRadius; //初始收集正面實例的半徑 int samplerInitMaxNegNum; //初始使用負樣本 float samplerSearchWinSize; //搜索窗口的大小 float samplerTrackInRadius; //在跟蹤期間收集正面實例的半徑 int samplerTrackMaxPosNum; //在追蹤期間使用正面樣本 int samplerTrackMaxNegNum; //在跟蹤期間使用的負樣本 int featureSetNumFeatures; //特征 void read(const FileNode&fn); void write(FileStorage&fs)const; };
TrackerBoosting
static Ptr<TrackerBoosting> create(const TrackerBoosting::Params ¶meters); CV_WRAP static Ptr<TrackerBoosting> create();
struct CV_EXPORTS Params { PARAMS(); int numClassifiers; //在OnlineBoosting算法中使用的分類器的數(shù)量 float samplerOverlap; //搜索區(qū)域參數(shù) float samplerSearchFactor; //搜索區(qū)域參數(shù) int iterationInit; //初始迭代 int featureSetNumFeatures; //特征 //從文件讀取參數(shù) void read(const FileNode&fn); //從文件寫入?yún)?shù) void write(FileStorage&fs)const; };
示例
首先獲取視頻的第一幀,通過點擊左鍵框選選擇要跟蹤的目標,點擊右鍵確認并使用MIL開始跟蹤.(從實際情況看來,算法對過程中有遮擋的情況跟蹤能力較差.)
(環(huán)境:Ubuntu16.04+QT5.8+opencv3.3.1)
#include <opencv2/opencv.hpp> #include <opencv2/video.hpp> #include <opencv2/tracking.hpp> #include <opencv2/tracking/tracker.hpp> using namespace cv; void draw_rectangle(int event, int x, int y, int flags, void*); Mat firstFrame; Point previousPoint, currentPoint; Rect2d bbox; int main(int argc, char *argv[]) { VideoCapture capture; Mat frame; frame = capture.open("/home/w/mycode/QT/img/runners.avi"); if(!capture.isOpened()) { printf("can not open ...\n"); return -1; } //獲取視頻的第一幀,并框選目標 capture.read(firstFrame); if(!firstFrame.empty()) { namedWindow("output", WINDOW_AUTOSIZE); imshow("output", firstFrame); setMouseCallback("output", draw_rectangle, 0); waitKey(); } //使用TrackerMIL跟蹤 Ptr<TrackerMIL> tracker= TrackerMIL::create(); //Ptr<TrackerTLD> tracker= TrackerTLD::create(); //Ptr<TrackerKCF> tracker = TrackerKCF::create(); //Ptr<TrackerMedianFlow> tracker = TrackerMedianFlow::create(); //Ptr<TrackerBoosting> tracker= TrackerBoosting::create(); capture.read(frame); tracker->init(frame,bbox); namedWindow("output", WINDOW_AUTOSIZE); while (capture.read(frame)) { tracker->update(frame,bbox); rectangle(frame,bbox, Scalar(255, 0, 0), 2, 1); imshow("output", frame); if(waitKey(20)=='q') return 0; } capture.release(); destroyWindow("output"); return 0; } //框選目標 void draw_rectangle(int event, int x, int y, int flags, void*) { if (event == EVENT_LBUTTONDOWN) { previousPoint = Point(x, y); } else if (event == EVENT_MOUSEMOVE && (flags&EVENT_FLAG_LBUTTON)) { Mat tmp; firstFrame.copyTo(tmp); currentPoint = Point(x, y); rectangle(tmp, previousPoint, currentPoint, Scalar(0, 255, 0, 0), 1, 8, 0); imshow("output", tmp); } else if (event == EVENT_LBUTTONUP) { bbox.x = previousPoint.x; bbox.y = previousPoint.y; bbox.width = abs(previousPoint.x-currentPoint.x); bbox.height = abs(previousPoint.y-currentPoint.y); } else if (event == EVENT_RBUTTONUP) { destroyWindow("output"); } }
實驗對比發(fā)現(xiàn):KCF速度最快,MedianFlow的速度也較快,對于無遮擋情況跟蹤效果較好;TLD對部分遮擋處理的效果最好,處理時間相對較慢.
部分遮擋處理效果
MIL對部分遮擋的處理效果:
以上這篇opencv3/C++ 使用Tracker實現(xiàn)簡單目標跟蹤就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
C語言如何利用ASCII碼表統(tǒng)計字符串每個字符出現(xiàn)的次數(shù)
這篇文章主要介紹了C語言如何利用ASCII碼表統(tǒng)計字符串每個字符出現(xiàn)的次數(shù),具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2023-01-01