meanshift原理：一個(gè)迭代的步驟，即先算出當(dāng)前點(diǎn)的偏移均值，移動(dòng)該點(diǎn)到其偏移均值，然后以此為新的起始點(diǎn)，繼續(xù)移動(dòng)，直到滿足一定的條件結(jié)束。

Meanshift算法：簡單，迭代次數(shù)少，但無法解決目標(biāo)的遮擋問題并且不能適應(yīng)運(yùn)動(dòng)目標(biāo)的的形狀和大小變化。

cv.meanShift(probImage, window, criteria)

參數(shù)：

• probImage: ROI區(qū)域，即目標(biāo)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(zhǔn)則，主要有迭代次數(shù)達(dá)到設(shè)置的最大值，窗口中心的漂移值大于某個(gè)設(shè)定的限值等。

實(shí)現(xiàn)Meanshift的主要流程是：

讀取視頻文件：cv.videoCapture()

感興趣區(qū)域設(shè)置：獲取第一幀圖像，并設(shè)置目標(biāo)區(qū)域，即感興趣區(qū)域

計(jì)算直方圖：計(jì)算感興趣區(qū)域的HSV直方圖，并進(jìn)行歸一化

目標(biāo)追蹤：設(shè)置窗口搜索停止條件，直方圖反向投影，進(jìn)行目標(biāo)追蹤，并在目標(biāo)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(biāo)位置 ret, frame = cap.read()# 2.1 目標(biāo)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(biāo)的感興趣區(qū)域 roi = frame[r:r+h, c:c+w]# 3. 計(jì)算直方圖 # 3.1 轉(zhuǎn)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(jì)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(biāo)追蹤 # 4.1 設(shè)置窗口搜索終止條件：最大迭代次數(shù)，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(jì)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(jìn)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(jìn)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(jié)

以上是生活随笔為你收集整理的OpenCV meanshift目标追踪的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。