opencv3/C++如何使用Tracker實現目標跟蹤

這篇文章主要介紹了opencv3/C++如何使用Tracker實現目標跟蹤，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

簡介

MIL: TrackerMIL 以在線方式訓練分類器將對象與背景分離;多實例學習避免魯棒跟蹤的漂移問題.

OLB: TrackerBoosting 基于AdaBoost算法的在線實時對象跟蹤.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題.

MedianFlow: TrackerMedianFlow 跟蹤器適用于非常平滑和可預測的運動,物體在整個序列中可見.

TLD: TrackerTLD 將長期跟蹤任務分解為跟蹤，學習和檢測.跟蹤器在幀之間跟蹤對象.探測器本地化所觀察到的所有外觀,并在必要時糾正跟蹤器.學習估計檢測器的錯誤并進行更新以避免再出現這些錯誤.追蹤器能夠處理快速運動,部分遮擋,物體缺失等情況.

KCF: TrackerKCF 使用目標周圍區域的循環矩陣采集正負樣本,利用脊回歸訓練目標檢測器,并成功的利用循環矩陣在傅里葉空間可對角化的性質將矩陣的運算轉化為向量的Hadamad積,即元素的點乘,大大降低了運算量,提高了運算速度,使算法滿足實時性要求.

部分相關API:

TrackerMIL

static Ptr<TrackerMIL> create(const TrackerMIL::Params &parameters); CV_WRAP static Ptr<TrackerMIL> create();

struct CV_EXPORTS Params { PARAMS（）;  //采樣器的參數  float samplerInitInRadius; //初始收集正面實例的半徑  int samplerInitMaxNegNum; //初始使用負樣本  float samplerSearchWinSize; //搜索窗口的大小  float samplerTrackInRadius; //在跟蹤期間收集正面實例的半徑  int samplerTrackMaxPosNum; //在追蹤期間使用正面樣本  int samplerTrackMaxNegNum; //在跟蹤期間使用的負樣本  int featureSetNumFeatures; //特征  void read（const FileNode＆fn）;  void write（FileStorage＆fs）const; };

TrackerBoosting

static Ptr<TrackerBoosting> create(const TrackerBoosting::Params &parameters); 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量  float samplerOverlap; //搜索區域參數  float samplerSearchFactor; //搜索區域參數  int iterationInit; //初始迭代  int featureSetNumFeatures; //特征 //從文件讀取參數  void read（const FileNode＆fn）; //從文件寫入參數  void write（FileStorage＆fs）const; };

示例

首先獲取視頻的第一幀,通過點擊左鍵框選選擇要跟蹤的目標,點擊右鍵確認并使用MIL開始跟蹤.(從實際情況看來,算法對過程中有遮擋的情況跟蹤能力較差.)

(環境: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 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"); }}

實驗對比發現:KCF速度最快,MedianFlow的速度也較快,對于無遮擋情況跟蹤效果較好;TLD對部分遮擋處理的效果最好,處理時間相對較慢.

部分遮擋處理效果

MIL對部分遮擋的處理效果:

opencv::Tracker Algorithms

感謝你能夠認真閱讀完這篇文章，希望小編分享的“opencv3/C++如何使用Tracker實現目標跟蹤”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!