目标跟踪--CamShift
CamShift全称是ContinuouslyAdaptive Mean Shift,即连续自适应的MeanShift算法,而MeanShift算法,首先得对MeanShift算法有个初步的了解,可以参考这里。而CamShift是在MeanShift的基础上,根据上一帧的结果,来调整下一帧的中心位置和窗口大小,所以,当跟踪的目标在视频中发生变化时,能够对这个变化有一定的调整。
OpenCV自带例子中的camShift算法,可以分为三个部分:(引用自这里 http://blog.csdn.net/carson2005/article/details/7439125)
一、计算色彩投影图(反向投影):
(1)为了减少光照变化对目标跟踪的影响,首先将图像从RGB颜色空间转换到HSV颜色空间;
(2)对H分量进行直方图统计,直方图代表了不同H分量取值出现的概率,或者说可以据此查找出H分量的大小为x时的概率或像素个数,即,得到颜色概率查找表;
(3)将图像中每个像素的值用其颜色出现的概率进行替换,由此得到颜色概率分布图;
以上三个步骤称之为反向投影,需要提醒的是,颜色概率分布图是一个灰度图像;
二、meanShift寻优
前面提到过meanShift算法(http://blog.csdn.net/carson2005/article/details/7337432)是一种非参数概率密度估计方法,它通过不断迭代计算得到最优搜索窗口的位置和大小。
三、camShift跟踪算法
前面提到,camShift其实就是在视频序列的每一帧当中都运用meanShift,并将上一帧的meanShift结果作为下一帧的初始值,如此不断循环迭代,就可以实现目标的跟踪了。
在openCV中自带有camShift函数,老看一下实现,代码中有部分解释。(注释功劳来自http://www.cnblogs.com/tornadomeet/archive/2012/03/15/2398769.html)
- #include "opencv2/video/tracking.hpp"
- #include "opencv2/imgproc/imgproc.hpp"
- #include "opencv2/highgui/highgui.hpp"
- #include <iostream>
- #include <ctype.h>
- using namespace cv;
- using namespace std;
- Mat image;
- bool backprojMode = false; //表示是否要进入反向投影模式,ture表示准备进入反向投影模式
- bool selectObject = false;//代表是否在选要跟踪的初始目标,true表示正在用鼠标选择
- int trackObject = 0; //代表跟踪目标数目
- bool showHist = true;//是否显示直方图
- Point origin;//用于保存鼠标选择第一次单击时点的位置
- Rect selection;//用于保存鼠标选择的矩形框
- int vmin = 10, vmax =256, smin = 30;
- void onMouse(int event, int x, int y, int, void*)
- {
- if (selectObject)//只有当鼠标左键按下去时才有效,然后通过if里面代码就可以确定所选择的矩形区域selection了
- {
- selection.x = MIN(x, origin.x);//矩形左上角顶点坐标
- selection.y = MIN(y, origin.y);
- selection.width = std::abs(x - origin.x);//矩形宽
- selection.height = std::abs(y - origin.y);//矩形高
- selection &= Rect(0, 0, image.cols,image.rows);//用于确保所选的矩形区域在图片范围内
- }
- switch (event)
- {
- case CV_EVENT_LBUTTONDOWN:
- origin = Point(x, y);
- selection = Rect(x, y, 0, 0);//鼠标刚按下去时初始化了一个矩形区域
- selectObject = true;
- break;
- case CV_EVENT_LBUTTONUP:
- selectObject = false;
- if (selection.width> 0 && selection.height > 0)
- trackObject = -1;
- break;
- }
- }
- void help()
- {
- cout << "\nThis is ademo that shows mean-shift based tracking\n"
- "You select acolor objects such as your face and it tracks it.\n"
- "This readsfrom video camera (0 by default, or the camera number the user enters\n"
- "Usage:\n"
- " ./camshiftdemo [camera number]\n";
- cout << "\n\nHot keys:\n"
- "\tESC - quitthe program\n"
- "\tc - stop thetracking\n"
- "\tb - switchto/from backprojection view\n"
- "\th -show/hide object histogram\n"
- "\tp - pausevideo\n"
- "To initializetracking, select the object with mouse\n";
- }
- const char* keys =
- {
- "{1| | 0 |camera number}"
- };
- int main(int argc, const char** argv)
- {
- help();
- VideoCapture cap; //定义一个摄像头捕捉的类对象
- Rect trackWindow;
- RotatedRect trackBox;//定义一个旋转的矩阵类对象
- int hsize = 16;
- float hranges[] = { 0, 180 };//hranges在后面的计算直方图函数中要用到
- const float* phranges = hranges;
- CommandLineParser parser(argc, argv, keys);//命令解析器函数
- int camNum = parser.get<int>("0");
- cap.open(camNum);//直接调用成员函数打开摄像头
- if (!cap.isOpened())
- {
- help();
- cout << "***Could notinitialize capturing...***\n";
- cout << "Currentparameter's value: \n";
- parser.printParams();
- return -1;
- }
- namedWindow("Histogram", 0);
- namedWindow("CamShiftDemo",0);
- setMouseCallback("CamShiftDemo",onMouse, 0);//消息响应机制
- createTrackbar("Vmin", "CamShiftDemo",&vmin, 256, 0);//createTrackbar函数的功能是在对应的窗口创建滑动条,滑动条Vmin,vmin表示滑动条的值,最大为256
- createTrackbar("Vmax", "CamShiftDemo",&vmax, 256, 0);//最后一个参数为0代表没有调用滑动拖动的响应函数
- createTrackbar("Smin", "CamShift Demo", &smin, 256,0);//vmin,vmax,smin初始值分别为10,256,30
- Mat frame, hsv, hue, mask, hist, histimg = Mat::zeros(200, 320, CV_8UC3), backproj;
- bool paused = false;
- for (;;)
- {
- if (!paused)//没有暂停
- {
- cap >> frame;//从摄像头抓取一帧图像并输出到frame中
- if (frame.empty())
- break;
- }
- frame.copyTo(image);
- if (!paused)//没有按暂停键
- {
- cvtColor(image, hsv, CV_BGR2HSV);//将rgb摄像头帧转化成hsv空间的
- if (trackObject)//trackObject初始化为0,或者按完键盘的'c'键后也为0,当鼠标单击松开后为-1
- {
- int _vmin = vmin, _vmax= vmax;
- //inRange函数的功能是检查输入数组每个元素大小是否在2个给定数值之间,可以有多通道,mask保存0通道的最小值,也就是h分量
- //这里利用了hsv的3个通道,比较h,0~180,s,smin~256,v,min(vmin,vmax),max(vmin,vmax)。如果3个通道都在对应的范围内,则
- //mask对应的那个点的值全为1(0xff),否则为0(0x00).
- inRange(hsv, Scalar(0, smin, MIN(_vmin, _vmax)),
- Scalar(180, 256, MAX(_vmin, _vmax)),mask);
- int ch[] = { 0, 0 };
- hue.create(hsv.size(),hsv.depth());//hue初始化为与hsv大小深度一样的矩阵,色调的度量是用角度表示的,红绿蓝之间相差120度,反色相差180度
- mixChannels(&hsv, 1,&hue, 1, ch, 1);//将hsv第一个通道(也就是色调)的数复制到hue中,0索引数组
- if (trackObject <0)//鼠标选择区域松开后,该函数内部又将其赋值1
- {
- //此处的构造函数roi用的是Mat hue的矩阵头,且roi的数据指针指向hue,即共用相同的数据,select为其感兴趣的区域
- Mat roi(hue,selection), maskroi(mask, selection);//mask保存的hsv的最小值
- //calcHist()函数第一个参数为输入矩阵序列,第2个参数表示输入的矩阵数目,第3个参数表示将被计算直方图维数通道的列表,第4个参数表示可选的掩码函数
- //第5个参数表示输出直方图,第6个参数表示直方图的维数,第7个参数为每一维直方图数组的大小,第8个参数为每一维直方图bin的边界
- calcHist(&roi, 1, 0,maskroi, hist, 1, &hsize, &phranges);//将roi的0通道计算直方图并通过mask放入hist中,hsize为每一维直方图的大小
- normalize(hist, hist, 0,255, CV_MINMAX);//将hist矩阵进行数组范围归一化,都归一化到0~255
- trackWindow = selection;
- trackObject = 1;//只要鼠标选完区域松开后,且没有按键盘清0键'c',则trackObject一直保持为1,因此该if函数只能执行一次,除非重新选择跟踪区域
- histimg = Scalar::all(0);//与按下'c'键是一样的,这里的all(0)表示的是标量全部清0
- int binW = histimg.cols/ hsize; //histing是一个200*300的矩阵,hsize应该是每一个bin的宽度,也就是histing矩阵能分出几个bin出来
- Mat buf(1, hsize, CV_8UC3);//定义一个缓冲单bin矩阵
- for (int i = 0; i <hsize; i++)//saturate_case函数为从一个初始类型准确变换到另一个初始类型
- buf.at<Vec3b>(i) = Vec3b(saturate_cast<uchar>(i*180. /hsize), 255, 255);//Vec3b为3个char值的向量
- cvtColor(buf, buf, CV_HSV2BGR);//将hsv又转换成bgr
- for (int i = 0; i <hsize; i++)
- {
- int val =saturate_cast<int>(hist.at<float>(i)*histimg.rows/ 255);//at函数为返回一个指定数组元素的参考值
- rectangle(histimg, Point(i*binW,histimg.rows), //在一幅输入图像上画一个简单抽的矩形,指定左上角和右下角,并定义颜色,大小,线型等
- Point((i + 1)*binW,histimg.rows - val),
- Scalar(buf.at<Vec3b>(i)), -1, 8);
- }
- }
- calcBackProject(&hue, 1, 0,hist, backproj, &phranges);//计算直方图的反向投影,计算hue图像0通道直方图hist的反向投影,并让入backproj中
- backproj &= mask;
- //opencv2.0以后的版本函数命名前没有cv两字了,并且如果函数名是由2个意思的单词片段组成的话,且前面那个片段不够成单词,则第一个字母要
- //大写,比如Camshift,如果第一个字母是个单词,则小写,比如meanShift,但是第二个字母一定要大写
- RotatedRect trackBox =CamShift(backproj, trackWindow, //trackWindow为鼠标选择的区域,TermCriteria为确定迭代终止的准则
- TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1));//CV_TERMCRIT_EPS是通过forest_accuracy,CV_TERMCRIT_ITER
- if (trackWindow.area()<= 1) //是通过max_num_of_trees_in_the_forest
- {
- int cols =backproj.cols, rows = backproj.rows, r = (MIN(cols, rows) + 5) /6;
- trackWindow = Rect(trackWindow.x - r,trackWindow.y - r,
- trackWindow.x + r,trackWindow.y + r) &
- Rect(0, 0, cols, rows);//Rect函数为矩阵的偏移和大小,即第一二个参数为矩阵的左上角点坐标,第三四个参数为矩阵的宽和高
- }
- if (backprojMode)
- cvtColor(backproj, image, CV_GRAY2BGR);//因此投影模式下显示的也是rgb图?
- ellipse(image, trackBox, Scalar(0, 0, 255), 3, CV_AA);//跟踪的时候以椭圆为代表目标
- }
- }
- //后面的代码是不管pause为真还是为假都要执行的
- else if (trackObject <0)//同时也是在按了暂停字母以后
- paused = false;
- if (selectObject&& selection.width > 0 && selection.height > 0)
- {
- Mat roi(image,selection);
- bitwise_not(roi, roi);//bitwise_not为将每一个bit位取反
- }
- imshow("CamShiftDemo",image);
- imshow("Histogram", histimg);
- char c = (char)waitKey(10);
- if (c == 27) //退出键
- break;
- switch (c)
- {
- case 'b': //反向投影模型交替
- backprojMode = !backprojMode;
- break;
- case 'c': //清零跟踪目标对象
- trackObject = 0;
- histimg = Scalar::all(0);
- break;
- case 'h': //显示直方图交替
- showHist = !showHist;
- if (!showHist)
- destroyWindow("Histogram");
- else
- namedWindow("Histogram", 1);
- break;
- case 'p': //暂停跟踪交替
- paused = !paused;
- break;
- default:
- ;
- }
- }
- cap.release();
- return 0;
- }
实验结果:
以摄像头中我的脸为目标,当他移动时,能够跟踪到他。
可以看到我的脸的各色调密度图。
目标跟踪--CamShift相关推荐
- ccot 目标跟踪全称_目标跟踪--CamShift
转载请注明出处! !! 目标跟踪--CamShift CamShift全称是ContinuouslyAdaptive Mean Shift,即连续自适应的MeanShift算法.而MeanShift算 ...
- 传统目标跟踪——CamShift算法(改进MeanShift)
目录 一.CamShift 1.1 原理 二.流程 三.代码 四.总结 一.CamShift MeanShift的结果有一个问题,检测窗口的大小是固定的,而目标是一个由近到远逐渐变小的过程,固定的窗口 ...
- Opencv目标跟踪—CamShift算法
CamShift算法全称是"Continuously Adaptive Mean-Shift"(连续的自适应MeanShift算法),是对MeanShift算法的改进算法,可以在跟 ...
- 目标跟踪之camshift---opencv中meanshift和camshift例子的应用
在这一节中,主要讲目标跟踪的一个重要的算法Camshift,因为它是连续自使用的meanShift,所以这2个函数opencv中都有,且都很重要.为了让大家先达到一个感性认识.这节主要是看懂和运行op ...
- 目标跟踪:CamShift算法
1.前言 camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图,初始化一个搜索窗的大小和位置,并根据上一帧得到的结果自适应调整搜索窗口的位置和大小,从而定位出当前图像中目标的中心位置. ...
- 目标跟踪学习笔记_1(opencv中meanshift和camshift例子的应用)
在这一节中,主要讲目标跟踪的一个重要的算法Camshift,因为它是连续自使用的meanShift,所以这2个函数opencv中都有,且都很重要.为了让大家先达到一个感性认识.这节主要是看懂和运行op ...
- Python Opencv-contrib Camshift kalman卡尔曼滤波 KCF算法 CSRT算法 目标跟踪实现
本文为原创文章,转载请注明出处. 本次课题实现目标跟踪一共用到了三个算法,分别是Camshift.Kalman.CSRT,基于Python语言的Tkinter模块实现GUI与接口设计,项目一共包含三个 ...
- 【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 ...
- 目标跟踪算法--Camshift 和Meanshift
算法原理: meanshift原理: meanshift算法思想其实很简单:利用概率密度的梯度爬升来寻找局部最优.它要做的就是输入一个在图像的范围,然后一直迭代(朝着重心迭代)直到满足你的要求为止.但 ...
最新文章
- Mysql增强半同步模式_MySQL增强半同步参数rpl_semi_sync_master_wait_point值AFTER_SYNC和AFTER_COMMIT...
- 如何在Mac OS下用ISO包制作启动U盘
- xcode 连接 github 进行代码版本控制
- linux 查看emmc分区表_如何查看闪存类型?UFS与F2FS简易科普
- SpringSecurity实现记住我功能
- java中的public,protected,package-private和private之间有什么区别?
- 面试宝典系列-Mysql索引的区别
- Android viewpager 嵌套 viewpager滑动 点击事件冲突解决方案
- python 金融应用(一)期权定价公式的计算
- 两个PDF比较标出差异_怎样核对两份word文档内容差异?我用2小时,同事仅用2分钟搞定...
- 2020暨南大学计算机专硕考研经验分享
- 时序数据库详解和使用
- WIN7重装系统之缺少所需的CD/DVD驱动器设备驱动程序
- 中兴B863AV3.2-M、B863AV3.1-M2、E900V22C免拆机通刷救砖包【安卓9.0】
- 将腾讯qlv格式的视频转换为mp4格式
- 【CTF WriteUp】2023数字中国创新大赛网络数据安全赛道决赛WP(1)
- Hive之Order,Sort,Cluster and Distribute By
- 计算机班教室布置,教室布置班级简介
- windows已经阻止此软件因为无法验证发行者,然后就是IE的控件iNetOffice5.CAB不能安装?
- 小球碰壁反弹加分_js中小球碰壁反弹