opencv3/C++ 使用Tracker實(shí)現(xiàn)簡(jiǎn)單目標(biāo)跟蹤
簡(jiǎn)介
MIL: TrackerMIL 以在線方式訓(xùn)練分類器將對(duì)象與背景分離;多實(shí)例學(xué)習(xí)避免魯棒跟蹤的漂移問(wèn)題.
OLB: TrackerBoosting 基于AdaBoost算法的在線實(shí)時(shí)對(duì)象跟蹤.分類器在更新步驟中使用周圍背景作為反例以避免漂移問(wèn)題.
MedianFlow: TrackerMedianFlow 跟蹤器適用于非常平滑和可預(yù)測(cè)的運(yùn)動(dòng),物體在整個(gè)序列中可見.
TLD: TrackerTLD 將長(zhǎng)期跟蹤任務(wù)分解為跟蹤,學(xué)習(xí)和檢測(cè).跟蹤器在幀之間跟蹤對(duì)象.探測(cè)器本地化所觀察到的所有外觀,并在必要時(shí)糾正跟蹤器.學(xué)習(xí)估計(jì)檢測(cè)器的錯(cuò)誤并進(jìn)行更新以避免再出現(xiàn)這些錯(cuò)誤.追蹤器能夠處理快速運(yùn)動(dòng),部分遮擋,物體缺失等情況.
KCF: TrackerKCF 使用目標(biāo)周圍區(qū)域的循環(huán)矩陣采集正負(fù)樣本,利用脊回歸訓(xùn)練目標(biāo)檢測(cè)器,并成功的利用循環(huán)矩陣在傅里葉空間可對(duì)角化的性質(zhì)將矩陣的運(yùn)算轉(zhuǎn)化為向量的Hadamad積,即元素的點(diǎn)乘,大大降低了運(yùn)算量,提高了運(yùn)算速度,使算法滿足實(shí)時(shí)性要求.
部分相關(guān)API:
TrackerMIL
static Ptr<TrackerMIL> create(const TrackerMIL::Params ¶meters); CV_WRAP static Ptr<TrackerMIL> create();
struct CV_EXPORTS Params { PARAMS(); //采樣器的參數(shù) float samplerInitInRadius; //初始收集正面實(shí)例的半徑 int samplerInitMaxNegNum; //初始使用負(fù)樣本 float samplerSearchWinSize; //搜索窗口的大小 float samplerTrackInRadius; //在跟蹤期間收集正面實(shí)例的半徑 int samplerTrackMaxPosNum; //在追蹤期間使用正面樣本 int samplerTrackMaxNegNum; //在跟蹤期間使用的負(fù)樣本 int featureSetNumFeatures; //特征 void read(const FileNode&fn); void write(FileStorage&fs)const; };
TrackerBoosting
static Ptr<TrackerBoosting> create(const TrackerBoosting::Params ¶meters); CV_WRAP static Ptr<TrackerBoosting> create();
struct CV_EXPORTS Params { PARAMS(); int numClassifiers; //在OnlineBoosting算法中使用的分類器的數(shù)量 float samplerOverlap; //搜索區(qū)域參數(shù) float samplerSearchFactor; //搜索區(qū)域參數(shù) int iterationInit; //初始迭代 int featureSetNumFeatures; //特征 //從文件讀取參數(shù) void read(const FileNode&fn); //從文件寫入?yún)?shù) void write(FileStorage&fs)const; };
示例
首先獲取視頻的第一幀,通過(guò)點(diǎn)擊左鍵框選選擇要跟蹤的目標(biāo),點(diǎn)擊右鍵確認(rèn)并使用MIL開始跟蹤.(從實(shí)際情況看來(lái),算法對(duì)過(guò)程中有遮擋的情況跟蹤能力較差.)
(環(huán)境:Ubuntu16.04+QT5.8+opencv3.3.1)
#include <opencv2/opencv.hpp> #include <opencv2/video.hpp> #include <opencv2/tracking.hpp> #include <opencv2/tracking/tracker.hpp> using namespace cv; void draw_rectangle(int event, int x, int y, int flags, void*); Mat firstFrame; Point previousPoint, currentPoint; Rect2d bbox; int main(int argc, char *argv[]) { VideoCapture capture; Mat frame; frame = capture.open("/home/w/mycode/QT/img/runners.avi"); if(!capture.isOpened()) { printf("can not open ...\n"); return -1; } //獲取視頻的第一幀,并框選目標(biāo) capture.read(firstFrame); if(!firstFrame.empty()) { namedWindow("output", WINDOW_AUTOSIZE); imshow("output", firstFrame); setMouseCallback("output", draw_rectangle, 0); waitKey(); } //使用TrackerMIL跟蹤 Ptr<TrackerMIL> tracker= TrackerMIL::create(); //Ptr<TrackerTLD> tracker= TrackerTLD::create(); //Ptr<TrackerKCF> tracker = TrackerKCF::create(); //Ptr<TrackerMedianFlow> tracker = TrackerMedianFlow::create(); //Ptr<TrackerBoosting> tracker= TrackerBoosting::create(); capture.read(frame); tracker->init(frame,bbox); namedWindow("output", WINDOW_AUTOSIZE); while (capture.read(frame)) { tracker->update(frame,bbox); rectangle(frame,bbox, Scalar(255, 0, 0), 2, 1); imshow("output", frame); if(waitKey(20)=='q') return 0; } capture.release(); destroyWindow("output"); return 0; } //框選目標(biāo) void draw_rectangle(int event, int x, int y, int flags, void*) { if (event == EVENT_LBUTTONDOWN) { previousPoint = Point(x, y); } else if (event == EVENT_MOUSEMOVE && (flags&EVENT_FLAG_LBUTTON)) { Mat tmp; firstFrame.copyTo(tmp); currentPoint = Point(x, y); rectangle(tmp, previousPoint, currentPoint, Scalar(0, 255, 0, 0), 1, 8, 0); imshow("output", tmp); } else if (event == EVENT_LBUTTONUP) { bbox.x = previousPoint.x; bbox.y = previousPoint.y; bbox.width = abs(previousPoint.x-currentPoint.x); bbox.height = abs(previousPoint.y-currentPoint.y); } else if (event == EVENT_RBUTTONUP) { destroyWindow("output"); } }
實(shí)驗(yàn)對(duì)比發(fā)現(xiàn):KCF速度最快,MedianFlow的速度也較快,對(duì)于無(wú)遮擋情況跟蹤效果較好;TLD對(duì)部分遮擋處理的效果最好,處理時(shí)間相對(duì)較慢.
部分遮擋處理效果
MIL對(duì)部分遮擋的處理效果:
opencv::Tracker Algorithms
以上這篇opencv3/C++ 使用Tracker實(shí)現(xiàn)簡(jiǎn)單目標(biāo)跟蹤就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持我們。
上一篇:opencv3/C++ 直方圖反向投影實(shí)例
欄 目:C語(yǔ)言
下一篇:C++ 自增、自減運(yùn)算符的重載和性能分析小結(jié)
本文標(biāo)題:opencv3/C++ 使用Tracker實(shí)現(xiàn)簡(jiǎn)單目標(biāo)跟蹤
本文地址:http://mengdiqiu.com.cn/a1/Cyuyan/104.html
您可能感興趣的文章
- 04-02func函數(shù)+在C語(yǔ)言 func函數(shù)在c語(yǔ)言中
- 04-02c語(yǔ)言沒(méi)有round函數(shù) round c語(yǔ)言
- 01-10使用OpenGL實(shí)現(xiàn)3D立體顯示的程序代碼
- 01-10深入理解C++中常見的關(guān)鍵字含義
- 01-10使用C++實(shí)現(xiàn)全排列算法的方法詳解
- 01-10深入Main函數(shù)中的參數(shù)argc,argv的使用詳解
- 01-10c++中inline的用法分析
- 01-10用C++實(shí)現(xiàn)DBSCAN聚類算法
- 01-10全排列算法的非遞歸實(shí)現(xiàn)與遞歸實(shí)現(xiàn)的方法(C++)
- 01-10C++大數(shù)模板(推薦)


閱讀排行
- 1C語(yǔ)言 while語(yǔ)句的用法詳解
- 2java 實(shí)現(xiàn)簡(jiǎn)單圣誕樹的示例代碼(圣誕
- 3利用C語(yǔ)言實(shí)現(xiàn)“百馬百擔(dān)”問(wèn)題方法
- 4C語(yǔ)言中計(jì)算正弦的相關(guān)函數(shù)總結(jié)
- 5c語(yǔ)言計(jì)算三角形面積代碼
- 6什么是 WSH(腳本宿主)的詳細(xì)解釋
- 7C++ 中隨機(jī)函數(shù)random函數(shù)的使用方法
- 8正則表達(dá)式匹配各種特殊字符
- 9C語(yǔ)言十進(jìn)制轉(zhuǎn)二進(jìn)制代碼實(shí)例
- 10C語(yǔ)言查找數(shù)組里數(shù)字重復(fù)次數(shù)的方法
本欄相關(guān)
- 04-02c語(yǔ)言函數(shù)調(diào)用后清空內(nèi)存 c語(yǔ)言調(diào)用
- 04-02func函數(shù)+在C語(yǔ)言 func函數(shù)在c語(yǔ)言中
- 04-02c語(yǔ)言的正則匹配函數(shù) c語(yǔ)言正則表達(dá)
- 04-02c語(yǔ)言用函數(shù)寫分段 用c語(yǔ)言表示分段
- 04-02c語(yǔ)言中對(duì)數(shù)函數(shù)的表達(dá)式 c語(yǔ)言中對(duì)
- 04-02c語(yǔ)言編寫函數(shù)冒泡排序 c語(yǔ)言冒泡排
- 04-02c語(yǔ)言沒(méi)有round函數(shù) round c語(yǔ)言
- 04-02c語(yǔ)言分段函數(shù)怎么求 用c語(yǔ)言求分段
- 04-02C語(yǔ)言中怎么打出三角函數(shù) c語(yǔ)言中怎
- 04-02c語(yǔ)言調(diào)用函數(shù)求fibo C語(yǔ)言調(diào)用函數(shù)求
隨機(jī)閱讀
- 08-05DEDE織夢(mèng)data目錄下的sessions文件夾有什
- 01-10C#中split用法實(shí)例總結(jié)
- 01-11ajax實(shí)現(xiàn)頁(yè)面的局部加載
- 01-10delphi制作wav文件的方法
- 01-10使用C語(yǔ)言求解撲克牌的順子及n個(gè)骰子
- 04-02jquery與jsp,用jquery
- 01-10SublimeText編譯C開發(fā)環(huán)境設(shè)置
- 08-05dedecms(織夢(mèng))副欄目數(shù)量限制代碼修改
- 08-05織夢(mèng)dedecms什么時(shí)候用欄目交叉功能?
- 01-11Mac OSX 打開原生自帶讀寫NTFS功能(圖文