【Opencv项目实战】目标追踪：实时追踪人工标注的多个目标
2024-04-12 17:43:30
文章目录
- 一、项目思路
- 二、问题清单
- 三、算法详解
- 3.1、定义目标追踪算法
- 3.2、初始化追踪器
- 3.3、更新目标追踪器
- 3.4、绘制目标矩形框
- 3.5、人工标注感兴趣目标
- 3.5.1、标注ROI区域
- 3.5.2、截取ROI区域
- 四、项目实战：单目标 - 实时追踪
- 五、项目实战：多目标 - 实时追踪
多目标 - 实时追踪
一、项目思路
单目标追踪：
- 参数设置
- 读取视频，读取帧图像
- 设置视频保存参数
- 手动选择追踪目标
- 选择追踪算法
- 实例化单目标追踪器
- 循环读取帧图像
- 矩形框标记目标
- 实时更新动态框
- 显示图像
多目标追踪：
- 参数设置
- 构建追踪算法列表
- 实例化多目标追踪器
- 读取视频
- 循环读取帧图像
- 对视频进行等比例缩放
- 手动选择追踪目标
- 矩形框标记目标
- 实时更新动态框
- 显示图像
二、问题清单
BUG1：
module 'cv2' has no attribute 'legacy'
- 原因：
opencv_python和opencv_contrib-python的版本不一致问题- 解决：安装与
opencv_python相同版本的opencv_contrib-python。参考文献
BUG2：
module 'cv2' has no attribute 'TrackerCSRT_create'
- 原因：新版本的
opencv_contrib-python中，一些函数被取消。- 解决：通过
cv2.legacy来调用这些函数。如：将cv2.TrackerBoosting_create改为cv2.legacy.TrackerBoosting_create。参考文献
机器学习进阶-目标跟踪-KCF目标跟踪方法
计算机视觉项目-实时目标追踪
三、算法详解
OpenCV学习笔记15-目标跟踪算法介绍及实战
3.1、定义目标追踪算法
定义不同的目标追踪算法(不含深度学习)：
| 7+1种目标追踪算法 | 函数 | 说明 |
|---|---|---|
| BOOSTING Tracker |
cv2.legacy.TrackerBoosting_create
|
算法原理类似于Harr cascdes(AdaBoost)，是一种很老的算法。速度慢并且不准。（最低支持OpenCV 3.0.0） |
| MIL Tracker |
cv2.legacy.TrackerMIL_create
|
比BOOSTING更精确，但是失败率比较高。（最低支持OpenCV 3.0.0） |
| KCF Tracker |
cv2.legacy.TrackerKCF_create
|
速度比BOOSTING和MIL更快，与BOOSTING和MIL一样不能很好的处理遮挡问题。 |
| CSRT Tracker |
cv2.legacy.TrackerCSRT_create
|
比KCF更准一些，但是速度比KCF慢。（最低支持OpenCV 3.4.2） |
| TLD Tracker |
cv2.legacy.TrackerTLD_create
|
在多帧遮挡下效果最好。但是TLD的误报非常多。（最低支持OpenCV 3.0.0） |
| MedianFlow |
cv2.legacy.TrackerMedianFlow_create
|
出色的跟踪故障报告。当运动是可预测的并且没有遮挡时，效果非常好，但是对于快速跳动或快速移动的物体，模型会失效。（最低支持OpenCV 3.0.0） |
| MOSSE Tracker |
cv2.legacy.TrackerMOSSE_create
|
速度真心快，但是不如CSRT和KCF的准确率那么高，如果追求速度选它准没错。（最低支持OpenCV 3.4.1） |
| GOTURN Tracker | 这是OpenCV中唯一一深度学习为基础的目标检测器。它需要额外的模型才能运行。（最低支持OpenCV 3.2.0） |
3.2、初始化追踪器
trackers = cv2.legacy.MultiTracker_create() # 使用多目标追踪器
tracker = cv2.legacy.TrackerCSRT_create() # 使用csrt追踪算法
3.3、更新目标追踪器
函数说明：success, boxes = trackers.update(frame)
输入参数： frame： 传入的图像
输出参数： success： 是否追踪成功boxes： 追踪到的目标框
3.4、绘制目标矩形框
(x, y, w, h) = [int(ii) for ii in boxes] # 获取目标位置
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) # 矩形框标出动态目标
cv2.imshow('frame', frame) # 实时显示追求目标
3.5、人工标注感兴趣目标
函数说明：[min_x, min_y, w, h] = cv2.selectROI(windowName, img, showCrosshair, fromCenter)
输入参数：windowName： 选择的区域被显示在的窗口的名字img： 要在什么图片上选择ROIshowCrosshair： 是否在矩形框里画十字线，默认为True。fromCenter： 是否是从矩形框的中心开始画，默认为False。
输出参数：min_x 为矩形框中最小的x值，左上角min_y 为矩形框中最小的y值，左上角w 为这个矩形框的宽h 为这个矩形框的高
# 备注：选好区域后，按空格或者Enter完成选择；换区域的时候直接通过鼠标重新选择即可
3.5.1、标注ROI区域
import cv2
image = cv2.imread('blank_write.jpg')
im = cv2.selectROI(windowName='img', img=image, showCrosshair=False, fromCenter=False)
print(im)
cv2.waitKey(1)
3.5.2、截取ROI区域
import cv2
image=cv2.imread('blank_write.jpg')
im = cv2.selectROI(windowName='img', img=image, showCrosshair=True, fromCenter=False)
print(im)
img_roi = image[int(im[1]):int(im[1]+im[3]), int(im[0]):int(im[0]+im[2])]
cv2.imshow("imageHSV",img_roi)
cv2.waitKey(0)
四、项目实战：单目标 - 实时追踪
import cv2# 设置参数
video_load_path = r'C:\Users\my\Videos\football.mp4' # 视频存放地址
video_save_path = r'C:\Users\my\Videos\football2.mov' # 视频存放地址if __name__ == '__main__':cap = cv2.VideoCapture(video_load_path) # 读取视频流ret, frame = cap.read() # 读取帧图像frame_width = int(cap.get(3)) # 获取图像宽,并转换为整数frame_height = int(cap.get(4)) # 获取图像高,并转换为整数# 创建保存视频的对象（设置编码格式，帧率，图像的宽高等）out = cv2.VideoWriter(video_save_path, cv2.VideoWriter_fourcc('D', 'I', 'V', 'X'), 10, (frame_width, frame_height))bbox = cv2.selectROI('frame', frame, fromCenter=False, showCrosshair=True) # 人工标注感兴趣目标tracker = cv2.legacy.TrackerCSRT_create() # 使用csrt算法tracker.init(frame, bbox) # 初始化trackerwhile True:_, frame = cap.read() # 读取帧图像if frame is None: # 如果读到的帧数不为空，则继续读取；如果为空，则退出。breakbool_para, box = tracker.update(frame) # 由于物体运动，需要动态的根据物体运动更新矩形框if bool_para: # 若读取成功，我们就定位画框，并跟随(x, y, w, h) = [int(ii) for ii in box]cv2.rectangle(frame, pt1=(int(x),int(y)), pt2=(int(x)+int(w), int(y)+int(h)), color=(0, 255, 0), thickness=2)cv2.imshow('frame', frame) # 实时显示追求目标out.write(frame) # 将每一帧图像写入到输出文件中# 使用 waitKey 可以控制视频的播放速度。数值越小，播放速度越快。if cv2.waitKey(1) == ord(' '): # ord(' '): 按空格结束breakcap.release() # 释放摄像头out.release() # 释放摄像头cv2.destroyAllWindows() # 摧毁所有图窗五、项目实战：多目标 - 实时追踪
import argparse
import cv2# （1）参数设置（视频存放地址 + 指定追踪器类型）
ap = argparse.ArgumentParser()
ap.add_argument('-v', '--video', type=str, default='01.mp4', help='path to input video file')
ap.add_argument('-t', '--tracker', type=str, default='kcf', help='Opencv object tracker type')
args = vars(ap.parse_args())# （2）构造Opencv的追踪算法列表
OPENCV_OBJECT_TRACKERS = {"csrt": cv2.legacy.TrackerCSRT_create,"kcf": cv2.legacy.TrackerKCF_create,"boosting": cv2.legacy.TrackerBoosting_create,"mil": cv2.legacy.TrackerMIL_create,"tld": cv2.legacy.TrackerTLD_create,"medianflow": cv2.legacy.TrackerMedianFlow_create,"mosse": cv2.legacy.TrackerMOSSE_create
}# （3）实例化多目标追踪器
trackers = cv2.legacy.MultiTracker_create()# （4）读取视频
vs = cv2.VideoCapture(args['video'])while True:# （5）读取帧图像frame = vs.read() # frame=[bool, data]frame = frame[1] # 获取帧图像# 若视频播放结束，则跳出if frame is None:break# （6）使用cv2.resize对图像进行长宽的放缩操作h, w = frame.shape[:2] # 获取帧图像的高宽width = 300 # 视频缩放到指定大小r = width / float(w) # 缩放比例dim = (width, int(r * h)) # 缩放后的尺寸frame = cv2.resize(frame, dim, cv2.INTER_AREA)# （7）由于物体运动，需要根据物体的动态运动更新矩形框(success, boxes) = trackers.update(frame)# （8）循环多组矩形框，进行画图操作for box in boxes:(x, y, w, h) = [int(v) for v in box] # 获取动态目标的位置cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) # 矩形框标出动态目标# （9）显示图像cv2.imshow('Frame', frame)# （10）英文输入下：先按s暂停视频，然后手动选择一个区域，最后按空格键开始播放（可多次重复操作，添加多个追踪目标）key = cv2.waitKey(100) & 0xffif key == ord('s'):box = cv2.selectROI('Frame', frame, fromCenter=False, showCrosshair=True)tracker = OPENCV_OBJECT_TRACKERS[args['tracker']]() # 创建追踪器trackers.add(tracker, frame, box) # 添加追踪器elif key == 27:breakvs.release()
cv2.destroyAllWindows()【Opencv项目实战】目标追踪：实时追踪人工标注的多个目标相关推荐
- Opencv项目实战：14 手势控制音量
目录 0.项目介绍 1.项目展示 2.项目搭建 3.项目的代码与讲解 4.项目资源 5.项目总结 0.项目介绍 本篇与上一篇有很多联系,大家可以看看这篇Opencv项目实战:13 手部追踪,我们将根据 ...
- 基于C++的OpenCV项目实战——文档照片转换成扫描文件
基于C++的OpenCV项目实战--文档照片转换成扫描文件 一.背景 前段时间都是基于Python的OpecCV进行一些学习和实践,但小的知识点并没有应用到实际的项目中:并且基于Python的版本的移 ...
- 【Opencv项目实战】背景替换：动态背景移除与替换（cvzone+MediaPipe）
文章目录 一.项目思路 二.环境布置 2.1.cvzone安装 2.2.MediaPipe安装 2.3.常见问题 2.4.注意事项 三.算法详解 3.1.segmentor.removeBG():去除 ...
- Opencv项目实战-信用卡数字识别
Opencv项目实战:信用卡数字识别 导入库,定义展示函数 import cv2 import numpy as np from imutils import contours import myut ...
- 自动驾驶系统进阶与项目实战（十）基于PointPillars的点云三维目标检测和TensorRT实战（1）
自动驾驶系统进阶与项目实战(十)基于PointPillars的点云三维目标检测和TensorRT实战(1) 发表于CVPR2019的PointPillars是目前比较受业内认可的激光雷达三维检测算法, ...
- Opencv项目实战：基于dlib的疲劳检测
文章目录 一.项目简介 二.算法原理 三.环境配置 3.1.dlib人脸检测器:dlib.get_frontal_face_detector() 3.2.dlib关键点定位工具:shape_predi ...
- Spark项目实战:大数据实时流处理日志(非常详细)
实战概览 一.实战内容 二.大数据实时流处理分析系统简介 1.需求 2.背景及架构 三.实战所用到的架构和涉及的知识 1.后端架构 2.前端框架 四.项目实战 1.后端开发实战 1.构建项目 2.引入 ...
- 【项目实战】YOLOV5 +实时吸烟目标检测+手把手教学+开源全部
本原创项目长期更新,旨在完成校园异常行为实时精检测,做到集成+N次开发+优化(不止局限于调包)为止,近期将不断更新以下模型+数据+标注文件+教程.关注博主,Star 一下github,一起开始美妙的目 ...
- PYQT5+openCV项目实战：微循环仪图片、视频记录和人工对比软件(附源码)
文章目录 1.主要功能 1.1主界面说明 1.2回查记录界面说明 2.主界面功能详解 2.1 摄像头操作 2.2拍照功能 2.3保存图片 2.4录制短视频 2.5查看记录 2.6新建名称 3.子界面功 ...
最新文章
- 修改hosts文件不需要重启的方法
- include、ViewStub、merge优化布局标签
- Memcached入门指南
- （6）css常用样式属性--文字样式
- 运行github上的Vue项目
- rc.local文件开机不执行
- CSS列表样式（源码示例）
- 用Python计算北京地铁的两站间最短换乘路线
- C# 网易云音乐API 多达100+ 支持登录，无损下载
- 相机对焦和调焦距的区别是什么 ?
- 【C++】Vscode 中使用CMakeLists（推荐）构建C++项目：项目结构、各个文件夹的作用、从编码到debug
- @Param注解的用法
- 怎么用手机拍摄制作视频
- 如何成为一个区块链开发人员_成为开发人员是社会工作
- 上海喔趣科技有限公司面经 Java实习生（记录第一次面试）已oc
- linux添加mx25l25645g,stm32驱动NOR Flash 之MX25L51245G（64MB）
- 管理学经典故事-(2)
- 叶绿体基因组组装方法
- 从0开始学杂项 第二期：隐写分析(1) 直接附加
- vue 返回上一页 带参数