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）

[cpp] view plaincopy

#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 ...

目标跟踪--CamShift

实验结果：

目标跟踪--CamShift相关推荐

最新文章

热门文章