基于OpenCV的多目标动态检测与跟踪

1、源代码

#include "stdafx.h"
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv/cv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <time.h>
#include <math.h>
#include <ctype.h>
#include <stdio.h>
#include <string.h>
#include<windows.h>
#include <mmsystem.h>//跟踪参数
const double MHI_DURATION = 0.5;//最大跟踪时间
const double MAX_TIME_DELTA = 0.5;
const double MIN_TIME_DELTA = 0.05;
const int N = 3;
const int CONTOUR_MAX_AERA = 100;//矩形面积IplImage **buf = 0;
int last = 0;
int flag;
IplImage *mhi = 0; // MHI: motion history image
CvConnectedComp *cur_comp, min_comp;
CvConnectedComp comp;
CvMemStorage *storage;
CvPoint pt[4];
// img – 输入视频帧
// dst – 检测结果
void update_mhi(IplImage* img, IplImage* dst, int diff_threshold)
{double timestamp = clock() / 100.; //获取当前时间CvSize size = cvSize(img->width, img->height);int i, idx1, idx2;IplImage* silh;IplImage* pyr = cvCreateImage(cvSize((size.width & -2) / 2, (size.height & -2) / 2), 8, 1);CvMemStorage *stor;CvSeq *cont;if (!mhi || mhi->width != size.width || mhi->height != size.height){if (buf == 0){buf = (IplImage**)malloc(N*sizeof(buf[0]));//动态内存分配memset(buf, 0, N*sizeof(buf[0]));}for (i = 0; i < N; i++){cvReleaseImage(&buf[i]);buf[i] = cvCreateImage(size, IPL_DEPTH_8U, 1);cvZero(buf[i]);}cvReleaseImage(&mhi);mhi = cvCreateImage(size, IPL_DEPTH_32F, 1);cvZero(mhi);}cvCvtColor(img, buf[last], CV_BGR2GRAY); //rgb->grayidx1 = last;idx2 = (last + 1) % N;last = idx2;// 做帧差silh = buf[idx2];cvAbsDiff(buf[idx1], buf[idx2], silh); //两帧差异// 对差图像做二值化cvThreshold(silh, silh, 30, 255, CV_THRESH_BINARY); //src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst（x,y）=0;cvUpdateMotionHistory(silh, mhi, timestamp, MHI_DURATION); //更新像素点的运动历史cvCvtScale(mhi, dst, 255. / MHI_DURATION,(MHI_DURATION - timestamp)*255. / MHI_DURATION);//timestamp是时间戳;MHI_DURATION，获得的是当前时间cvCvtScale(mhi, dst, 255. / MHI_DURATION, 0);// 中值滤波，消除小的噪声cvSmooth(dst, dst, CV_MEDIAN, 3, 0, 0, 0);// 向下采样，去掉噪声cvPyrDown(dst, pyr, 7);cvDilate(pyr, pyr, 0, 1); // 做膨胀操作，消除目标的不连续空洞cvPyrUp(pyr, dst, 7);//// 下面的程序段用来找到轮廓//// Create dynamic structure and sequence.stor = cvCreateMemStorage(0);cont = cvCreateSeq(CV_SEQ_ELTYPE_POINT, sizeof(CvSeq), sizeof(CvPoint), stor);// 找到所有轮廓cvFindContours(dst, stor, &cont, sizeof(CvContour),CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));// 直接使用CONTOUR中的矩形来画轮廓for (; cont; cont = cont->h_next){flag = 0;CvRect r = ((CvContour*)cont)->rect;if (r.height * r.width > CONTOUR_MAX_AERA){cvRectangle(img, cvPoint(r.x, r.y),cvPoint(r.x + r.width, r.y + r.height),CV_RGB(255, 0, 0), 1, CV_AA, 0);flag = 1;}else{flag = 0;}}cvReleaseMemStorage(&stor);cvReleaseImage(&pyr);
}int main(int argc, char** argv)
{IplImage* motion = 0;CvCapture* capture = 0; //视频获取结构 while (1){//capture = cvCreateCameraCapture(0);//读摄像头视频capture = cvCreateFileCapture("C:\\Users\\Lijunliang\\Desktop\\0.5X.avi");    //读本地视频文件if (capture){cvNamedWindow("Motion", 1);for (;;){SYSTEMTIME sys;//获取当前系统时间GetLocalTime(&sys);char* t_y = new char[128];sprintf(t_y, ("%4.4d-%2.2d-%2.2d %2.2d:%2.2d:%2.2d"),sys.wYear, sys.wMonth, sys.wDay,sys.wHour, sys.wMinute, sys.wSecond);CvFont font;cvInitFont(&font, CV_FONT_HERSHEY_COMPLEX, 0.5, 0.5, 0, 2, 8);IplImage* image;if (!cvGrabFrame(capture)) //从摄像头或者视频文件中抓取帧break;image = cvRetrieveFrame(capture); //取回由函数cvGrabFrame抓取的图像,返回由函数cvGrabFrame 抓取的图像的指针if (image){if (!motion){motion = cvCreateImage(cvSize(image->width, image->height), 8, 1);cvZero(motion);motion->origin = image->origin; ///* 0 - 顶—左结构, 1 - 底—左结构 (Windows bitmaps 风格) */}}update_mhi(image, motion, 6);cvPutText(image, t_y, cvPoint(10, 25), &font, CV_RGB(255, 0, 0));cvShowImage("Motion", image);if (cvWaitKey(10) >= 0)break;}cvReleaseCapture(&capture);cvDestroyWindow("Motion");}}return 0;
}

2、实验结果

注：使用的检测源文件是是基于solidworks下路径配合做的动画视频，目的是避免噪声干扰和前景干扰，也就是在相当理想的情况环境下进行检测与跟踪，由结果可知检测与跟踪结果完美。使用者可以结合自己的使用对源程序稍加修改。

基于OpenCV的多目标动态检测与跟踪相关推荐

基于opencv的BackgroundSubtractorMOG2目标追踪
基于opencv的BackgroundSubtractorMOG2目标追踪 BackgroundSubtractorMOG2是以高斯混合模型为基础的背景/前景分割算法.它是以2004年和2006年Z. ...
基于OpenCV的视频处理 - 人脸检测
一个不知名大学生,江湖人称菜狗 original author: jacky Li Email : 3435673055@qq.com Time of completion:2023.2.7 Las ...
Python基于Opencv的鱼群密度速度检测系统（源码＆教程）
1.研究背景智慧渔业是大数据.物联网与人工智能等现代信息技术驱动下的渔业发展新模式,是水产养殖业供给侧结构性改革的重要方式,涉及养殖环境监测.生物环境监测与生物状态监测这几大方面的应用与需求.本文从 ...
基于OpenCV的视频道路车道检测
基于OpenCV的视频道路车道检测基于OpenCV的视频道路车道检测前言综述运行方法车道检测的实现路面图像二值化基于透视变换提取车道区域基于二次多项式拟合车道线计算曲率半径与车辆的偏 ...
python 视频人脸替换_Python基于OpenCV实现视频的人脸检测
本文实例为大家分享了基于OpenCV实现视频的人脸检测具体代码,供大家参考,具体内容如下前提条件 1.摄像头 2.已安装Python和OpenCV3 代码 import cv2 import sys ...
python视频人脸检测_Python基于OpenCV实现视频的人脸检测
本文实例为大家分享了基于OpenCV实现视频的人脸检测具体代码,供大家参考,具体内容如下前提条件 1.摄像头 2.已安装Python和OpenCV3 代码 import cv2 import sys ...
Python基于OpenCV的指针式表盘检测系统（附带源码＆技术文档）
1.背景指针式机械表盘具有安装维护方便.结构简单.防电磁干扰等诸多优点, 目前广泛应用于工矿企业.能源及计量等部门.随着仪表数量的增加及精密仪表技术的发展,人工判读已经不能满足实际应用需求.随着计算 ...
基于OpenCV的行人目标检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达推荐阅读 42个pycharm使用技巧,瞬间从黑铁变王者Google ...
基于OpenCV的实战：轮廓检测(附代码解析）
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达利用轮廓检测物体可以看到物体的各种颜色,在这种情况下放置在静态和动 ...
基于OpenCV的焊件缺陷检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 01. 简介焊接缺陷是指焊接零件表面出现不规则.不连续的现象.焊 ...

基于OpenCV的多目标动态检测与跟踪

基于OpenCV的多目标动态检测与跟踪相关推荐

最新文章

热门文章