opencv3/C++ 使用Tracker實(shí)現(xiàn)簡(jiǎn)單目標(biāo)跟蹤
簡(jiǎn)介
MIL: TrackerMIL 以在線(xiàn)方式訓(xùn)練分類(lèi)器將對(duì)象與背景分離;多實(shí)例學(xué)習(xí)避免魯棒跟蹤的漂移問(wèn)題.
OLB: TrackerBoosting 基于AdaBoost算法的在線(xiàn)實(shí)時(shí)對(duì)象跟蹤.分類(lèi)器在更新步驟中使用周?chē)尘白鳛榉蠢员苊馄茊?wèn)題.
MedianFlow: TrackerMedianFlow 跟蹤器適用于非常平滑和可預(yù)測(cè)的運(yùn)動(dòng),物體在整個(gè)序列中可見(jiàn).
TLD: TrackerTLD 將長(zhǎng)期跟蹤任務(wù)分解為跟蹤,學(xué)習(xí)和檢測(cè).跟蹤器在幀之間跟蹤對(duì)象.探測(cè)器本地化所觀察到的所有外觀,并在必要時(shí)糾正跟蹤器.學(xué)習(xí)估計(jì)檢測(cè)器的錯(cuò)誤并進(jìn)行更新以避免再出現(xiàn)這些錯(cuò)誤.追蹤器能夠處理快速運(yùn)動(dòng),部分遮擋,物體缺失等情況.
KCF: TrackerKCF 使用目標(biāo)周?chē)鷧^(qū)域的循環(huán)矩陣采集正負(fù)樣本,利用脊回歸訓(xùn)練目標(biāo)檢測(cè)器,并成功的利用循環(huán)矩陣在傅里葉空間可對(duì)角化的性質(zhì)將矩陣的運(yùn)算轉(zhuǎn)化為向量的Hadamad積,即元素的點(diǎn)乘,大大降低了運(yùn)算量,提高了運(yùn)算速度,使算法滿(mǎn)足實(shí)時(shí)性要求.
部分相關(guān)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(shí)例的半徑 int samplerInitMaxNegNum; //初始使用負(fù)樣本 float samplerSearchWinSize; //搜索窗口的大小 float samplerTrackInRadius; //在跟蹤期間收集正面實(shí)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(fù)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(lèi)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(xiě)入?yún)?shù) void write(FileStorage&fs)const; };
示例
首先獲取視頻的第一幀,通過(guò)點(diǎn)擊左鍵框選選擇要跟蹤的目標(biāo),點(diǎn)擊右鍵確認(rèn)并使用MIL開(kāi)始跟蹤.(從實(shí)際情況看來(lái),算法對(duì)過(guò)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(biāo) 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(biāo) 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(shí)驗(yàn)對(duì)比發(fā)現(xiàn):KCF速度最快,MedianFlow的速度也較快,對(duì)于無(wú)遮擋情況跟蹤效果較好;TLD對(duì)部分遮擋處理的效果最好,處理時(shí)間相對(duì)較慢.
部分遮擋處理效果
MIL對(duì)部分遮擋的處理效果:
以上這篇opencv3/C++ 使用Tracker實(shí)現(xiàn)簡(jiǎn)單目標(biāo)跟蹤就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
C語(yǔ)言實(shí)現(xiàn)掃雷小游戲(擴(kuò)展版可選擇游戲難度)
游戲目標(biāo)是找出所有沒(méi)有地雷的方格,完成游戲;要是按了有地雷的方格,游戲失?。煌婕铱蓸?biāo)記雷的位置,游戲以完成時(shí)間來(lái)評(píng)高低,并且用戶(hù)可以選擇游戲難度2019-10-10C++中l(wèi)ist的使用方法及常用list操作總結(jié)
這篇文章主要介紹了C++中l(wèi)ist的使用方法及常用list操作總結(jié)的相關(guān)資料,需要的朋友可以參考下2017-06-06利用C語(yǔ)言實(shí)踐OOP,以及new,delete的深入分析
本篇文章是對(duì)用C語(yǔ)言實(shí)踐OOP,new,delete進(jìn)行了詳細(xì)的分析介紹,需要的朋友參考下2013-05-05C語(yǔ)言如何利用ASCII碼表統(tǒng)計(jì)字符串每個(gè)字符出現(xiàn)的次數(shù)
這篇文章主要介紹了C語(yǔ)言如何利用ASCII碼表統(tǒng)計(jì)字符串每個(gè)字符出現(xiàn)的次數(shù),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-01-01C++實(shí)現(xiàn)分?jǐn)?shù)計(jì)算器
這篇文章主要為大家詳細(xì)介紹了C++實(shí)現(xiàn)分?jǐn)?shù)計(jì)算器,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-06-06淺析char 指針變量char *=p 這個(gè)語(yǔ)句的輸出問(wèn)題
下面小編就為大家?guī)?lái)一篇淺析char 指針變量char *=p 這個(gè)語(yǔ)句的輸出問(wèn)題。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2016-05-05