meanshift原理：一個迭代的步驟，即先算出當前點的偏移均值，移動該點到其偏移均值，然后以此為新的起始點，繼續移動，直到滿足一定的條件結束。

Meanshift算法：簡單，迭代次數少，但無法解決目標的遮擋問題并且不能適應運動目標的的形狀和大小變化。

cv.meanShift(probImage, window, criteria)

參數：

• probImage: ROI區域，即目標的直方圖的反向投影

• window： 初始搜索窗口，就是定義ROI的rect

• criteria: 確定窗口搜索停止的準則，主要有迭代次數達到設置的最大值，窗口中心的漂移值大于某個設定的限值等。

實現Meanshift的主要流程是：

讀取視頻文件：cv.videoCapture()

感興趣區域設置：獲取第一幀圖像，并設置目標區域，即感興趣區域

計算直方圖：計算感興趣區域的HSV直方圖，并進行歸一化

目標追蹤：設置窗口搜索停止條件，直方圖反向投影，進行目標追蹤，并在目標位置繪制矩形框。

import cv2 as cv# 1.獲取圖像 cap = cv.VideoCapture('./1.mp4')# 2.獲取第一幀圖像，并指定目標位置 ret, frame = cap.read()# 2.1 目標位置（行，高，列，寬） r, h, c, w = 197, 141, 0, 208 track_window = (c, r, w, h)# 2.2 指定目標的感興趣區域 roi = frame[r:r+h, c:c+w]# 3. 計算直方圖 # 3.1 轉換色彩空間（HSV） hsv_roi = cv.cvtColor(roi, cv.COLOR_BGR2HSV)# 3.2 去除低亮度的值 # mask = cv.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.)))# 3.3 計算直方圖 roi_hist = cv.calcHist([hsv_roi], [0], None, [180], [0, 180])# 3.4 歸一化 cv.normalize(roi_hist, roi_hist, 0, 255, cv.NORM_MINMAX)# 4. 目標追蹤 # 4.1 設置窗口搜索終止條件：最大迭代次數，窗口中心漂移最小值 term_crit = (cv.TERM_CRITERIA_EPS | cv.TERM_CRITERIA_COUNT, 10, 1)while(True):# 4.2 獲取每一幀圖像ret, frame = cap.read()if ret == True:# 4.3 計算直方圖的反向投影hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)dst = cv.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)# 4.4 進行meanshift追蹤ret, track_window = cv.meanShift(dst, track_window, term_crit)# 4.5 將追蹤的位置繪制在視頻上，并進行顯示x, y, w, h = track_windowimg2 = cv.rectangle(frame, (x, y), (x + w, y + h), 255, 2)cv.imshow('frame', img2)if cv.waitKey(60) & 0xFF == ord('q'):breakelse:break# 5. 資源釋放 cap.release() cv.destroyAllWindows()

總結

以上是生活随笔為你收集整理的OpenCV meanshift目标追踪的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。