Opencv Camshift对象跟踪

Opencv Camshift对象跟踪详细代码
第一步：相机标定，获取相机内参和外参
第二步：建立像素坐标系与世界坐标系的转换关系
第三步：通过手动ROI选择视频中感兴趣区域
第四步：获取ROI区域的中心作为跟踪目标的目标像素点
第五步：实时计算像素点对应的空间姿态，同时显示目标跟踪情况

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <math.h>
#include <stdio.h>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/videoio.hpp>
#include <chrono>
#include <fstream>
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>#include "opencv2/calib3d/calib3d.hpp"
#include <cctype>
#include <string.h>
#include <time.h>#include <windows.h>
#include <cstdio>
#include<windows.h>
#include"glew.h"
#include<GL/GL.h>
#include<GL/GLU.h>//#include <sl/Camera.hpp>using namespace std;
using namespace cv;int smin = 15;
int vmin = 40;
int vmax = 256;
int bins = 16;Point3f getWorldPoints(Point2f &inPoints, cv::Mat &rvec, cv::Mat &tvec, cv::Mat &cameraMatrix)
{double zConst = 0;//实际坐标系的距离，若工作平面与相机距离固定可设置为0double s;//获取图像坐标(2*1转为3*1）cv::Mat imagePoint = (Mat_<double>(3, 1) << double(inPoints.x), double(inPoints.y), 1);//计算比例参数Scv::Mat tempMat, tempMat2;tempMat = rvec.inv() * cameraMatrix.inv() * imagePoint;tempMat2 = rvec.inv() * tvec;s = zConst + tempMat2.at<double>(2, 0);s /= tempMat.at<double>(2, 0);//计算世界坐标cv::Mat wcPoint = rvec.inv() * (s * cameraMatrix.inv() * imagePoint - tvec);Point3f worldPoint(wcPoint.at<double>(0, 0), wcPoint.at<double>(1, 0), wcPoint.at<double>(2, 0));cout << "世界坐标系 x = " << worldPoint.x << " y = " << worldPoint.y << " z = " << worldPoint.z << endl;return worldPoint;
}int main(int argc, char** argv) {VideoCapture capture;//capture.open("E:/图片/data/4.mp4");capture.open(0);capture.set(CAP_PROP_FRAME_WIDTH, 1920.0);capture.set(CAP_PROP_FRAME_HEIGHT, 1440.0);if (!capture.isOpened()) {printf("could not find video data file...\n");return -1;}namedWindow("CAMShift Tracking", CV_WINDOW_AUTOSIZE);namedWindow("ROI Histogram", CV_WINDOW_AUTOSIZE);//设置全屏//setWindowProperty("CAMShift Tracking", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);bool firstRead = true;//确认是否为第一帧float hrange[] = { 0, 180 };const float* hranges = hrange;Rect selection;Mat frame,hsv, hue, mask, hist, backprojection;Mat grayImage;//直方图Mat drawImg = Mat::zeros(300, 300, CV_8UC3);Mat cameraMatrix = (Mat_<double>(3, 3) <<1056.6000, 0, 978.9200,0, 1055.6600, 534.1640,0, 0, 1);Mat rvec = (Mat_<double>(3, 3) <<0.9967, -0.0158, 0.0793,0.01889, 0.9991, -0.0381,-0.0787, 0.0396, 0.9961);Mat tvec = (Mat_<double>(3, 1) <<-128.5678,-12.7116,-0.6481);while (capture.read(frame)) {if (firstRead) {//first为第一帧选择的ROI区域   frame为第一帧Rect2d first = selectROI("CAMShift Tracking", frame);//选择ROI区域//Rect2d first = selectROI("CAMShift Tracking", hsv);//选择ROI区域//初始化  将鼠标选择的ROI区域参数赋予程序定义的Rect selectionselection.x = first.x;selection.y = first.y;selection.width = first.width;selection.height = first.height;printf("ROI.x= %d, ROI.y= %d, width = %d, height= %d", selection.x, selection.y, selection.width, selection.height);}// convert to HSVcvtColor(frame, hsv, COLOR_BGR2HSV);//inRange检查数组元素是否在另外两个数组元素值之间//参数：（输入要处理的图像（可以是单通道也可以是多通道），包含下边界数组标量（即H,S,V最小值）//包含下边界数组标量（即H,S,V最大值），输出图像）inRange(hsv, Scalar(0, smin, vmin), Scalar(180, vmax, vmax), mask);//提取H通道hue = Mat(hsv.size(), hsv.depth());//HSV对应通道0，1，2，H通道对应0//因此将输入图像HSV的0通道  复制到   H的0通道int channels[] = { 0, 0 };//mixChannels()函数用于将输入数组的指定通道复制到输出数组的指定通道//参数（输入数组或向量矩阵，矩阵数量，输出数组或矩形向量，矩阵数量//指定被复制通道与要复制到的位置组成的索引对，索引对数目）//例如：将一个4通道BGRA图像分割成3通道BGR和一通道A图像mixChannels(&hsv, 1, &hue, 1, channels, 1);if (firstRead) {// ROI 直方图计算//通过selection（鼠标）选择的hue和mask的区域分别命名为roi和maskroiMat roi(hue, selection);Mat maskroi(mask, selection);//calcHist计算直方图//参数：（输入图像，输入图像的个数，需要统计直方图的第几个通道//掩膜（计算掩膜内的直方图），输出直方图数组，需要统计直方图通道的个数//直方图分成多少个区间，统计像素值的区间）//掩膜：用选定的图像对处理的图像进行遮挡，来控制图像处理的区域calcHist(&roi, 1, 0, maskroi, hist, 1, &bins, &hranges);//归一化normalize(hist, hist, 0, 255, NORM_MINMAX);// show histogram直方图//一个有16个bin,每个bin的宽度binwint binw = drawImg.cols / bins;//颜色索引 一个图片分成16个bin，每个bin对应一种颜色Mat colorIndex = Mat(1, bins, CV_8UC3);for (int i = 0; i < bins; i++) {colorIndex.at<Vec3b>(0, i) = Vec3b(saturate_cast<uchar>(i * 180 / bins), 255, 255);}//原来色彩取值是0-180，现在转换RGB的0-255cvtColor(colorIndex, colorIndex, COLOR_HSV2BGR);//绘制直方图for (int i = 0; i < bins; i++) {int  val = saturate_cast<int>(hist.at<float>(i)*drawImg.rows / 255);//把直方图用矩形表示//参数（输入图像，矩形的一个顶点，矩形对角线上的另一个顶点，线条颜色，粗细....)rectangle(drawImg, Point(i*binw, drawImg.rows), Point((i + 1)*binw, drawImg.rows - val), Scalar(colorIndex.at<Vec3b>(0, i)), -1, 8, 0);}}// back projection----计算直方图反向映射//反投射直方图原理：直方图可以作为图像的一个描述特征，计算出A的直方图//且假设计算出来的值可以有效地代表A，之后遍历图像B，使用B的每一个像素点对应A//的直方图中的统计值来替代原来的像素值//参数（输入图像（必须是CV_8U,CV_16U,CV_32U的一种），输入图像的数量//计算方向投影的通道（这里是第0通道），输入的直方图，目标反向投影输出图像//直方图每个维度bin的取值范围）calcBackProject(&hue, 1, 0, hist, backprojection, &hranges);// CAMShift trackingbackprojection &= mask;//CamShift参数：（色彩概率分布图像，选择的窗口初始值，用来判断搜寻是否停止的一个标准//保存运行结果，包含被跟踪物体的最小矩形）//TermCriteria::COUNT 和 TermCriteria::EPS 为终止条件类型RotatedRect trackBox = CamShift(backprojection, selection, TermCriteria((TermCriteria::COUNT | TermCriteria::EPS), 10, 1));// draw location on frame;//参数（图像，绘制椭圆圆弧所需要的外接矩形，颜色，粗细，线条类型//ellipse(frame, trackBox, Scalar(0, 0, 255), 3, 8);ellipse(hsv, trackBox, Scalar(0, 0, 255), 3, 8);//定义椭圆的中点Point2f center; //定义变量center = trackBox.center;//读取椭圆中心//circle(frame, center, 1, Scalar(0, 255, 0), 2, 8, 0);circle(hsv, center, 1, Scalar(0, 255, 0), 2, 8, 0);cout <<"像素坐标系 x = "<< center.x << " y = " << center.y << endl;//将像素坐标转为世界坐标getWorldPoints(center, rvec, tvec, cameraMatrix);if (firstRead) {firstRead = false;}//imshow("CAMShift Tracking", frame);imshow("CAMShift Tracking", hsv);imshow("ROI Histogram", drawImg);char c = waitKey(50);// ESCif (c == 27) {break;}waitKey(10);}capture.release();waitKey(0);return 0;
}

Opencv Camshift对象跟踪相关推荐

opencv实现对象跟踪_如何使用opencv跟踪对象的距离和角度
opencv实现对象跟踪介绍 (Introduction) Tracking the distance and angle of an object has many practical uses, ...
OpenCV 实时对象跟踪（质心跟踪）
本文章先介绍对象跟踪过程,考虑对象跟踪的特点决定使用:质心跟踪算法,然后会一步一步说明质心跟踪算法的实现:最后是如何用python代码实现. 实验效果如下: 对象跟踪过程进行一组初始的对象检测(如: ...
使用 OpenCV 进行对象跟踪的几种算法解读
使用 OpenCV 进行对象跟踪--算法在本节中,我们将深入研究不同的跟踪算法.目标不是对每个跟踪器有深入的理论理解,而是从实践的角度理解它们. 让我首先解释跟踪背后的一些一般原则.在跟踪中,我们的 ...
opencv视频分析与对象追踪之CAMSHIFT对象跟踪
原理 CamShift算法,全称是 Continuously AdaptiveMeanShift,顾名思义,它是对Mean Shift 算法的改进,能够自动调节搜索窗口大小来适应目标的大小,可以跟踪视 ...
Opencv实现对象跟踪
文章目录 1.轮廓查找和轮廓绘制 2.高斯去噪 3.腐蚀和膨胀 4.cv2.inRange函数 5.cv2.minEnclosingCircle函数 6.cv2.moments函数 7.代码实战 1. ...
OpenCV连续自适应跟踪算法CAMShift实现视频对象跟踪
1.概述案例:使用OpenCV的CAMShift算法实现视频中对象跟踪算法API介绍: 本文福利,莬费领取Qt开发学习资料包.技术视频,内容包括(C++语言基础,Qt编程入门,QT信号与槽机制,Q ...
目标跟踪（7）使用 OpenCV 进行简单的对象跟踪
1.简述目标跟踪的过程是: 1.获取对象检测的初始集(例如边界框坐标的输入集) 2.为每个初始检测创建唯一的ID 3.然后跟踪每一个在视频中移动的对象,保持唯一ID的分配此外,对象跟踪允许我们为每 ...
OpenCV视频分析与对象跟踪实战教程-贾志刚-专题视频课程
OpenCV视频分析与对象跟踪实战教程-1957人已学习课程介绍 OpenCV视频分析与对象跟踪实战视频培训课程概况:基于OpenCV新版本3.2 从基本的OpenCV视频读写与摄像 ...
【opencv】Camshift目标跟踪
Camshift原理 CamShift算法的全称是"Continuously Adaptive Mean-SHIFT",即:连续自适应的MeanShift算法.其基本思想是对视频序 ...
Java OpenCV 图像处理30 视频分析和对象跟踪视频读取
Java OpenCV 图像处理30 视频分析和对象跟踪视频读取 Java OpenCV-4.0.0 图像处理视频分析和对象跟踪视频读取 package com.xu.opencv.video; ...

Opencv Camshift对象跟踪

Opencv Camshift对象跟踪相关推荐

最新文章

热门文章