opencv 目标跟踪,opencv 多目标跟踪
这篇文章主要介绍了python opencv实现目标跟踪过程,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
目录
python opencv实现目标跟踪这里根据官网示例写了一个追踪器类
python opencv实现目标跟踪
python-opencv3.0新增了一些比较有用的追踪器算法
这里根据官网示例写了一个追踪器类
程序只能运行在安装有opencv3.0以上版本和对应的贡献模块的大蟒解释器
#编码=utf-8
导入cv2
从项目导入邮件项目
导入时间
将数组作为铭牌导入
监视者模块,负责入侵检测,目标跟踪
类监视器(对象):
#入侵检测者模块,用于入侵检测
def __init__(self,frame=None):
#运动检测器构造函数
自我.背景=无
如果帧不是无:
自我. background=cv2 .GaussianBlur(cv2.cvtColor(帧,cv2 .COLOR_BGR2GRAY),(21,21),0)
自我。es=cv2。getstructuringelement(cv2 .变形_椭圆,(10,10))
def是工作(自己):
#运动检测器是否工作
回归自我.背景不是无
定义开始工作(自身,框架):
#运动检测器开始工作
如果帧不是无:
自我. background=cv2 .GaussianBlur(cv2.cvtColor(帧,cv2 .COLOR_BGR2GRAY),(21,21),0)
定义停工(自行):
#运动检测器结束工作
自我.背景=无
定义分析(自身、框架):
#运动检测
如果框架是无或自身。_背景是无:
返回
样本帧=cv2 .GaussianBlur(cv2.cvtColor(帧,cv2 .COLOR_BGR2GRAY),(21,21),0)
diff=cv2.absdiff(self ._背景,样本_帧)
diff=cv2.threshold(diff,25,255,cv2 .THRESH_BINARY)[1]
diff=cv2.dilate(diff,self.es,iterations=2)
图像,cnts,层次=cv2。查找轮廓(差异。复制(),cv2 .RETR _外部,cv2 .CHAIN_APPROX_SIMPLE)
坐标=[]
bigC=无
bigMulti=0
对于cnts:中的c
如果轮廓区域1500:
继续
(x,y,w,h)=cv2.boundingRect(c)
如果宽*高bigMulti:
bigMulti=w * h
bigC=((x,y),(x w,y h))
如果bigC:
cv2.rectangle(frame,bigC[0],bigC[1],(255,0,0),2,1)
坐标。追加(bigC)
message={coord:co
ordinate}
message[msg] = None
return MessageItem(frame,message)
class Tracker(object):
追踪者模块,用于追踪指定目标
def __init__(self,tracker_type = "BOOSTING",draw_coord = True):
初始化追踪器种类
#获得opencv版本
(major_ver, minor_ver, subminor_ver) = (cv2.__version__).split(.)
self.tracker_types = [BOOSTING, MIL,KCF, TLD, MEDIANFLOW, GOTURN]
self.tracker_type = tracker_type
self.isWorking = False
self.draw_coord = draw_coord
#构造追踪器
if int(minor_ver) < 3:
self.tracker = cv2.Tracker_create(tracker_type)
else:
if tracker_type == BOOSTING:
self.tracker = cv2.TrackerBoosting_create()
if tracker_type == MIL:
self.tracker = cv2.TrackerMIL_create()
if tracker_type == KCF:
self.tracker = cv2.TrackerKCF_create()
if tracker_type == TLD:
self.tracker = cv2.TrackerTLD_create()
if tracker_type == MEDIANFLOW:
self.tracker = cv2.TrackerMedianFlow_create()
if tracker_type == GOTURN:
self.tracker = cv2.TrackerGOTURN_create()
def initWorking(self,frame,box):
追踪器工作初始化
frame:初始化追踪画面
box:追踪的区域
if not self.tracker:
raise Exception("追踪器未初始化")
status = self.tracker.init(frame,box)
if not status:
raise Exception("追踪器工作初始化失败")
self.coord = box
self.isWorking = True
def track(self,frame):
开启追踪
message = None
if self.isWorking:
status,self.coord = self.tracker.update(frame)
if status:
message = {"coord":[((int(self.coord[0]), int(self.coord[1])),(int(self.coord[0] + self.coord[2]), int(self.coord[1] + self.coord[3])))]}
if self.draw_coord:
p1 = (int(self.coord[0]), int(self.coord[1]))
p2 = (int(self.coord[0] + self.coord[2]), int(self.coord[1] + self.coord[3]))
cv2.rectangle(frame, p1, p2, (255,0,0), 2, 1)
message[msg] = "is tracking"
return MessageItem(frame,message)
class ObjectTracker(object):
def __init__(self,dataSet):
self.cascade = cv2.CascadeClassifier(dataSet)
def track(self,frame):
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
faces = self.cascade.detectMultiScale(gray,1.03,5)
for (x,y,w,h) in faces:
cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
return frame
if __name__ == __main__ :
a = [BOOSTING, MIL,KCF, TLD, MEDIANFLOW, GOTURN]
tracker = Tracker(tracker_type="KCF")
video = cv2.VideoCapture(0)
ok, frame = video.read()
bbox = cv2.selectROI(frame, False)
tracker.initWorking(frame,bbox)
while True:
_,frame = video.read();
if(_):
item = tracker.track(frame);
cv2.imshow("track",item.getFrame())
k = cv2.waitKey(1) & 0xff
if k == 27:
break
#encoding=utf-8
运行之后在第一帧图像上选择要追踪的部分,这里测试了一下使用KCF算法的追踪器
更新:忘记放utils,给大家造成的困扰深表歉意
#encoding=utf-8
以上为个人经验,希望能给大家一个参考,也希望大家多多支持盛行IT软件开发工作室。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。