在OpenCV里使用Camshift算法的实现
前面学习过Meanshift算法，在观察这个结果标记时，会发现有这样一个问题，如下图：
汽车比较远时，用一个很小的窗口就可以把它框住，这是符合近大远小的投影原理，当比较近的时候如下：
相同大小的窗口已经不能包围它了，那么这样跟踪目标对象就成为了一个问题，怎么样来更改它呢？那么就是Camshift(ContinuouslyAdaptiveMeanshift)算法引入的原因了。同时还会有一个问题，怎么样判断物体旋转的方向，这个算法也会解决这样的问题。这个算法发表在1998年的论文《ComputerVisionFaceTrackingforUseinaPerceptualUserInterface》里。
这个算法，首先应用meanshift找到最大密度，然后再更新窗口的大小，接着计算最适合外包椭圆；如果不合适又进入一轮迭代过程。直满足meanshift的条件，并且窗口大小也合适为止。
Camshift函数返回两个值，第一个值ret是一个旋转的窗口，第二个值是窗口搜索位置给下一次搜索使用的。例子如下：
#python3.7.4,opencv4.1
#蔡军生https://blog.csdn.net/caimouse/article/details/51749579
#
importnumpyasnp
importcv2
frommatplotlibimportpyplotasplt
capture=cv2.VideoCapture(1)
ifnotcapture.isOpened:
print('Unabletoopen:')
exit(0)
#获取第一帧图片
ret,frame=capture.read()
#设置目标窗口
#读取文件
find=cv2.imread('luohu1.png')
h,w=find.shape[:2]
roi=find[10:120,10:120]
x=10
y=10
width=120-x
height=120-y
track_window=(x,y,w,h)
print(track_window)
#跟踪目标
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])#计算直方图
cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX)
#设置迭代条件,每10移动一点
term_crit=(cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_COUNT,10,1)
while(1):
ret,frame=capture.read()
ifret==True:
hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
dst=cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1)#反向投影
#使用meanshift获得新位置
ret,track_window=cv2.CamShift(dst,track_window,term_crit)
#显示标记
pts=cv2.boxPoints(ret)
pts=np.int0(pts)
img2=cv2.polylines(frame,[pts],True,(255,0,0),2)
cv2.imshow('img2',img2)
cv2.imshow("dst",dst)
cv2.imshow("roi",roi)
keyboard=cv2.waitKey(1)
ifkeyboard==ord('q')orkeyboard==ord('Q'):
break
else:
break
capture.release()
cv2.destroyAllWindows()
结果输出如下：
比较远的照片
比较近的照片
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。