opencv 目标跟踪,opencv 多目标跟踪

  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。

相关文章阅读

  • opencv图像识别数字,opencv 识别
  • opencv图像识别数字,opencv 识别,如何基于opencv实现简单的数字识别
  • opencv图像的旋转角度计算,opencv图像仿射变换
  • opencv图像的旋转角度计算,opencv图像仿射变换,OpenCV图像几何变换之透视变换
  • opencv图像的旋转角度计算,opencv 旋转任意角度
  • opencv图像的旋转角度计算,opencv 旋转任意角度,opencv图片的任意角度旋转实现示例
  • opencv图像处理函数,opencv图像轮廓合并
  • opencv图像处理函数,opencv图像轮廓合并,OpenCV图像处理之七种常用图像几何变换
  • opencv双线性插值函数,opencv 图像插值
  • LBPH人脸识别,基于opencv的人脸识别技术
  • LBPH人脸识别,基于opencv的人脸识别技术,Opencv LBPH人脸识别算法详解
  • ,,OpenCV黑帽运算(BLACKHAT)的使用
  • opencv双线性插值函数,opencv 图像插值,C++ OpenCV实现图像双三次插值算法详解
  • ,,C语言 OpenCV实现柱面投影
  • ,,C++ Opencv imfill孔洞填充函数的实现思路与代码
  • 留言与评论(共有 条评论)
       
    验证码: