OpenCV41:Meanshif和Camshift

学习目标

在本章中，将学习

用于跟踪视频中对象的Meanshift和Camshift算法

Meanshift

Meanshift背后的原理很简单，假设有点的集合（它可以是像素分布，例如直方图反投影）。
给定一个小窗口（可能是一个圆形），必须将该窗口移动到最大像素密度（或最大点数）的区域。如下图所示：

初始窗口以蓝色圆圈显示，名称为“C1”。其原始中心以蓝色矩形标记，名称为“C1_o”。但是，如果找到该窗口内点的质心，则会得到点“C1_r”（标记为蓝色小圆圈），它是窗口的真实质心。当然，二者是不匹配的。因此，移动窗口使新窗口的圆与上一个质心匹配。再次找到新的质心。很可能不会匹配。因此，再次移动它，并继续迭代，以使窗口的中心及其质心落在同一位置（或在很小的期望误差内）。因此，最终获得的是一个具有最大像素分布的窗口。它带有一个绿色圆
圈，名为“C2”。正如您在图像中看到的，它具有最大的点数。整个过程在下面的静态图像上演示：

因此，通常会传递直方图反投影图像和初始目标位置。当对象移动时，显然该移动会反映在直方图反投影图像中。因此，Meanshift算法就是将窗口移动到最大密度的新位置的算法。

重心计算公式：xc,ycx_c, y_cxc,yc

OpenCV中的Meanshift

要在OpenCV中使用Meanshift，首先需要设置目标，找到其直方图，以便可以将目标反投影到每帧上以计算均值偏移。我们还需要提供窗口的初始位置。对于直方图，此处仅考虑色相（Hue）。另外，为避免由于光线不足而产生错误的值，可以使用cv2.inRange()函数丢弃光线不足的值。
使用的视频中的三帧如下：

import cv2
import numpy as npvideo_file = 'slow_traffic_small.mp4'
cap = cv2.VideoCapture(video_file)# take first frame of the video
ret, frame = cap.read()# setup initial location of window
x, y, w, h = 300, 200, 100, 50  # simply hardcoded the values
track_window = (x, y, w, h)# setup the roi for tracking
roi = frame[y:y+h, x:x+w]hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.)))
roi_hist = cv2.calcHist([hsv_roi], [0], mask, [180], [0, 180])
cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)# setup the termination criteria, either 10 iteration or move by atleast 1 pt
term_crit = (cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_COUNT, 10, 1)
while True:ret, frame = cap.read()if ret == True:hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)# apply meansift to get the new locationret, track_window = cv2.meanShift(dst, track_window, term_crit)# draw it on imagex, y, w, h = track_windowimg2 = cv2.rectangle(frame, (x, y), (x+w, y+h), 255, 2)cv2.imshow('img2', img2)cv2.waitKey(0)else:cv2.destroyAllWindows()break

Camshift

从上面的结果可以看到，这儿存在一个问题。无论汽车离相机很近或非常近，窗口始终具有相同的大小。这是不好的。需要根据目标的大小和旋转来调整窗口大小。该解决方案来自“ OpenCV Labs”，由Gary Bradsky提出的CAMshift (Continuously Adaptive Meanshift) （Gary Bradsky）算法，论文题目《Computer Vision Face Tracking for Use in a Perceptual User Interface》。
它首先应用Meanshift，一旦Meanshift收敛，它将更新窗口的大小为w=2×M00256w = 2 \times \sqrt{\frac{M_{00}}{256}}w=2×256M00, h=1.2×wh=1.2\times wh=1.2×w 。它还可以计算出最合适的椭圆的方向。再次将均值偏移应用于新的缩放搜索窗口和先前的窗口位置。该过程一直持续到达到要求的精度为止。

OpenCV中的Camshift

它与Meanshift相似，但是返回一个旋转的矩形和box参数（用于在下一次迭代中作为搜索窗口传递）。

import cv2
import numpy as npvideo_file = 'slow_traffic_small.mp4'
cap = cv2.VideoCapture(video_file)# take first frame of the video
ret, frame = cap.read()# setup initial location of window
x, y, w, h = 300, 200, 100, 50  # simply hardcoded the values
track_window = (x, y, w, h)# setup the roi for tracking
roi = frame[y:y+h, x:x+w]hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.)))
roi_hist = cv2.calcHist([hsv_roi], [0], mask, [180], [0, 180])
cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)# setup the termination criteria, either 10 iteration or move by atleast 1 pt
term_crit = (cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_COUNT, 10, 1)
while True:ret, frame = cap.read()if ret == True:hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)# apply meansift to get the new locationret, track_window = cv2.CamShift(dst, track_window, term_crit)# draw it on imagepts = cv2.boxPoints(ret)  # find four points of the boxpts = np.int0(pts)img2 = cv2.polylines(frame, [pts], True, 255, 2)cv2.imshow('img2', img2)cv2.waitKey(0)else:cv2.destroyAllWindows()break

三帧的结果如下:

附加资源

French Wikipedia page on Camshift
Bradski, G.R., “Real time face and object tracking as a component of a perceptual user interface,” Applications of Computer Vision, 1998. WACV '98. Proceedings., Fourth IEEE Workshop on , vol., no., pp.214,219, 19-21 Oct 1998