欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python進階學習實時目標跟蹤示例詳解

 更新時間：2023年03月22日 09:57:30   作者：華為云開發(fā)者聯盟  
這篇文章主要為大家介紹了python進階學習實時目標跟蹤示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

前言

本程序主要實現了python的opencv人工智能視覺模塊的目標跟蹤功能。

項目介紹

區(qū)域性鎖定目標實時動態(tài)跟蹤（適用 警方追捕，無人機鎖定拍攝等）

首先先介紹幾種AI視覺算法

特性：

1.BOOSTING:算法原理類似于Harr cascdes(AdaBoost),是一種很老的算法。這個算法速度慢并且不準。

2.MIL：比BOOSTING準一點

3.KCF：速度比BOOSTING和MIL更快，與BOOSTING和MIL一樣不能很好的處理遮擋問題。

4.CSRT:比KCF更準一些，但是速度比KCF慢

5.MedianFlow:對于快速移動的目標和外形比那花迅速的目標效果不好

6.TLD：會產生朵的false-posittives

7.MOSSE：算法速度非常快，但是準確率比不上KCF和CSRT，在一些追求算法的速度場合很適用

8.GOTURN：OpenCV中自帶的唯一一個基于深度學習的算法，運行短發(fā)需要提前下載好模型文件

分別對應的伴生的函數：

kcf:cv2.legacy.TrackerKCF_create
csrt:cv2.legacy.TrackerCSRT_create
boosting:cv2.legacy.TrackerBoosting_create
mil:cv2.legacy.TrackerMIL_create
tld:cv2.legacy.TrackerTLD_create
medianflow:cv2.legacy.TrackerMedianFlow_create
mosse:cv2.legacy.TrackerMOSSE_create

詳細代碼講解

導入cv模塊

ret,frame = cap.read()
import cv2

使用csrt算法，引用伴生函數，并賦值給tracker

tracker = cv2.legacy.TrackerCSRT_create()

讀取視頻流

cap = cv2.VideoCapture('11.mp4')

先讀取到第一幀

ret,frame = cap.read()

使用selectROI（前景），畫框將目標框起，并賦值給bbox

bbox = cv2.selectROI('A',frame,fromCenter=False,showCrosshair=True)

初始化tracker，將上面的兩個值傳入

tracker.init(frame,bbox)

讀取每一幀

ret,frame = cap.read()

根據每一幀來更新tracker

ok,box = tracker.update(frame)

若讀取成功，就定位畫框，并跟隨

    if ok :
        (x,y,w,h) = [int(v) for v in box]
        cv2.rectangle(frame,pt1=(int(x),int(y)),pt2=(int(x)+int(w),int(y)+int(h)),color=(0,255,0),thickness=2)

顯示視頻流

cv2.imshow('A', frame)

等待50毫秒或按空格鍵退出

    if cv2.waitKey(50) == ord(' '):
        break

 釋放視頻流和釋放窗口

cap.release()
cv2.destroyAllWindows()

完整代碼及注釋：

import cv2
tracker = cv2.legacy.TrackerCSRT_create()#使用csrt算法，引用伴生函數，并賦值給tracker
cap = cv2.VideoCapture('11.mp4')#讀取視頻流
ret,frame = cap.read()#先讀取第一幀
bbox = cv2.selectROI('A',frame,fromCenter=False,showCrosshair=True)#使用selectROI（前景），畫框將目標框起，并賦值給bbox
tracker.init(frame,bbox)#初始化tracker，將上面的兩個值傳入
while True:
    ret,frame = cap.read()#讀取每一幀
    ok,box = tracker.update(frame)#根據每一幀來跟新tracker
    # 若讀取成功，我們就定位畫框，并跟隨
    if ok :
        (x,y,w,h) = [int(v) for v in box]
        cv2.rectangle(frame,pt1=(int(x),int(y)),pt2=(int(x)+int(w),int(y)+int(h)),color=(0,255,0),thickness=2)
    cv2.imshow('A', frame)#顯示視頻流
    if cv2.waitKey(50) == ord(' '):#等待50毫秒或鍵盤按空格鍵退出
        break
# 釋放視頻流，釋放窗口
cap.release()
cv2.destroyAllWindows()

結果演示

區(qū)域性全部實時動態(tài)目標跟蹤（適用夜視跟蹤，范圍性觀察等）

思路構建

1.先將實時攝像流或錄制視頻流，灰度轉化并高斯模糊

2.用二值化算法將流中的物體輪廓擴充

3.分別先讀到第一幀和第二幀，讓其對比

4.尋找對比后，流的輪廓位置，并開啟簡易模式

5.過濾物體的矩陣輪廓將其定位繪出

詳細代碼講解

導入cv模塊

import cv2

將視頻流轉換并讓其高斯模糊

    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray,(5,5),0)

二值化擴充

    _,thresh = cv2.threshold(blur,20,255,cv2.THRESH_BINARY)
    dilated = cv2.dilate(thresh,None,iterations=3)
    return dilated

讀取視頻流或實時攝像流

cap = cv2.VideoCapture('11.mp4')

讀取第一幀

ret,frame1 = cap.read()

讀取第二幀

ret,frame2 = cap.read()

判斷cap是否為打開狀態(tài)

while cap.isOpened():

若為打開，則第一幀與第二幀比較

diff = cv2.absdiff(frame1,frame2)
mask = filter_img(diff)

尋找比較后的物體輪廓，并開啟簡易模式

contours,_ = cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

使用方框將視頻流中的物體框出，得到矩陣的寬高

(x,y,w,h) = cv2.boundingRect(contour)

若矩陣的面積小于10（根據視頻流中物體的大小來定義），直接無視

if cv2.contourArea(contour) < 10:

將過濾的物體的矩陣輪廓繪出（一定要用int整形）

cv2.rectangle(frame1,pt1=(int(x),int(y)),pt2=(int(x)+int(w),int(y)+int(h)),color=(0,255,0),thickness=1)

將第一幀顯示

cv2.imshow('A',frame1)

將上面賦值的mask顯示

cv2.imshow('B',mask)

實現前后幀對比，并定位物體運動軌跡

1.將第二幀賦值給第一幀

frame1 = frame2

2.再將cap讀到的賦值給第二幀（）

ret,frame2 = cap.read()

等待50毫秒或者按空格結束

    if cv2.waitKey(50) == ord(' '):
        break

釋放視頻流及釋放窗口

cap.release()
cv2.destroyAllWindows()

 完整代碼及注釋：

import cv2
def filter_img(frame):
    #將視頻流轉換灰度并讓其高斯模糊
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray,(5,5),0)
    #二值化將其擴充
    _,thresh = cv2.threshold(blur,20,255,cv2.THRESH_BINARY)
    dilated = cv2.dilate(thresh,None,iterations=3)
    return dilated
# 讀取視頻流
cap = cv2.VideoCapture('11.mp4')
ret,frame1 = cap.read()#讀到第一幀
ret,frame2 = cap.read()#讀到第二幀
while cap.isOpened():#判斷cap是否打開
    diff = cv2.absdiff(frame1,frame2)#若打開，則第一幀和第二幀作比較
    mask = filter_img(diff)
    contours,_ = cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)#尋找視頻流的輪廓，簡單模式
    #用方框將視頻流中的物體用矩形框出
    for contour in contours:
        (x,y,w,h) = cv2.boundingRect(contour)#得到矩陣的寬高
        if cv2.contourArea(contour) < 10:#若矩陣的面積小于200，就無視（太小了）
            continue
        cv2.rectangle(frame1,pt1=(int(x),int(y)),pt2=(int(x)+int(w),int(y)+int(h)),color=(0,255,0),thickness=1)#將過濾的物體的矩陣輪廓繪出
    # cv2.drawContours(frame1,contours,-1,(0,255,0),2)#將視頻流中的物體輪廓畫出
    cv2.imshow('A',frame1)#將第一幀顯示
    cv2.imshow('B',mask)#將mask也顯示
    frame1 = frame2#將第二幀賦值給第一幀
    ret,frame2 = cap.read()#再將cap讀到的賦值給第二幀
    if cv2.waitKey(50) == ord(' '):#等待五十毫秒或者按空格結束
        break
#銷毀cap流
cap.release()
#釋放窗口
cv2.destroyAllWindows()

結果顯示

以上就是python進階學習實時目標跟蹤示例詳解的詳細內容，更多關于python進階實時目標跟蹤的資料請關注腳本之家其它相關文章！

相關文章

  • Python繪制多因子柱狀圖的實現示例

    Python繪制多因子柱狀圖的實現示例

    本文主要介紹了Python繪制多因子柱狀圖的實現示例，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，需要的朋友們下面隨著小編來一起學習學習吧
    2022-05-05
  • Python決策樹分類算法學習

    Python決策樹分類算法學習

    這篇文章主要為大家詳細介紹了Python決策樹分類算法，具有一定的參考價值，感興趣的小伙伴們可以參考一下
    2017-12-12
  • 使用Python的Tornado框架實現一個簡單的WebQQ機器人

    使用Python的Tornado框架實現一個簡單的WebQQ機器人

    這篇文章主要介紹了使用Python的Tornado框架實現一個簡單的WebQQ機器人,Tornado的異步特性可以提高I/O性能,需要的朋友可以參考下
    2015-04-04
  • 對web.py設置favicon.ico的方法詳解

    對web.py設置favicon.ico的方法詳解

    今天小編就為大家分享一篇對web.py設置favicon.ico的方法詳解，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
    2018-12-12
  • Python 窗體(tkinter)下拉列表框(Combobox)實例

    Python 窗體(tkinter)下拉列表框(Combobox)實例

    這篇文章主要介紹了Python 窗體(tkinter)下拉列表框(Combobox)實例，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
    2020-03-03
  • Pytorch中accuracy和loss的計算知識點總結

    Pytorch中accuracy和loss的計算知識點總結

    在本片文章里小編給大家整理的是關于Pytorch中accuracy和loss的計算相關知識點內容，有需要的朋友們可以學習下。
    2019-09-09
  • Python深度學習神經網絡基本原理

    Python深度學習神經網絡基本原理

    人工神經網絡（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經網絡（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型
    2021-10-10
  • Sanic框架Cookies操作示例

    Sanic框架Cookies操作示例

    這篇文章主要介紹了Sanic框架Cookies操作,結合實例形式分析了Sanic框架cookie讀取、寫入及刪除等簡單操作技巧,需要的朋友可以參考下
    2018-07-07
  • Python腳本傳參數argparse模塊的使用

    Python腳本傳參數argparse模塊的使用

    這篇文章主要介紹了Python腳本傳參數argparse模塊的使用，文章圍繞argparse模塊的相關資料展開具體的使用方法，具有一的參考價值，需要的小伙伴可以參考一下
    2022-03-03
  • 在django admin詳情表單顯示中添加自定義控件的實現

    在django admin詳情表單顯示中添加自定義控件的實現

    這篇文章主要介紹了在django admin詳情表單顯示中添加自定義控件的實現，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
    2020-03-03

最新評論