camshift算法是對meanshift算法的改進，首先應用meanshift，一旦meanshift收斂，它就會更新窗口的大小，還計算最佳擬合橢圓的方向，從而根據目標的位置和大小更新搜索窗口。

camshift算法：可適應運動目標的大小形狀的改變，具有較好的跟蹤效果，但當背景色和目標顏色接近時，容易使目標的區域變大，最終有可能導致目標跟蹤丟失。

import cv2 as cv import numpy as np# 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camshift追蹤ret, track_window = cv.CamShift(dst, track_window, term_crit)# 4.5 將追蹤的位置繪制在視頻上，并進行顯示pts = cv.boxPoints(ret)pts = np.int0(pts)img2 = cv.polylines(frame, [pts], True, 255, 2)cv.imshow('frame', img2)if cv.waitKey(60) & 0xFF == ord('q'):breakelse:break# 5. 資源釋放 cap.release() cv.destroyAllWindows() 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的OpenCV camshift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。