OpenCV 3.2 Tracking 物体跟踪

跟踪就是在连续视频帧中定位物体，通常的跟踪算法包括以下几类：

1. Dense Optical Flow　稠密光流

2. Sparse Optical Flow　稀疏光流　最典型的如KLT算法（Kanade-Lucas-Tomshi）

3. Kalman Filter

4. Meanshift and Camshift

5. Multiple object tracking

需要注意跟踪和识别的区别，通常来说跟踪可以比识别快很多，且跟踪失败了可以找回来。

OpenCV 3以后实现了很多追踪算法，都实现在contrib模块中，安装参考。

下面code实现了跟踪笔记本摄像头画面中的固定区域物体，可以选用OpenCV实现的算法

#include <opencv2/opencv.hpp>

#include <opencv2/tracking.hpp>

using namespace std;

using namespace cv;

int main(int argc, char** argv){

  // can change to BOOSTING, MIL, KCF (OpenCV 3.1), TLD, MEDIANFLOW, or GOTURN (OpenCV 3.2)

  Ptr<Tracker> tracker = Tracker::create("MEDIANFLOW");

  VideoCapture video();

  if(!video.isOpened()){

    cerr << "cannot read video!" << endl;

    return -;

  }

  Mat frame;

  video.read(frame);

  Rect2d box(, , , );

  tracker->init(frame, box);

  while(video.read(frame)){

    tracker->update(frame, box);

    rectangle(frame, box, Scalar(, , ), , );

    imshow("Tracking", frame);

    int k=waitKey();

    if(k==) break;

  }

}

着重了解效果较好的KCF（Kernelized Correlation Filters）和经典的KLT算法

巴特西

OpenCV 3.2 Tracking 物体跟踪

最新文章

热门文章