OpenCV目标检测Meanshif和Camshift算法解析

更新时间：2023年04月26日 11:05:03 作者：uncle_ll

这篇文章主要为大家介绍了OpenCV目标检测Meanshif和Camshift算法解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

学习目标

在本章中，将学习用于跟踪视频中对象的Meanshift和Camshift算法

Meanshift

Meanshift背后的原理很简单，假设有点的集合（它可以是像素分布，例如直方图反投影）。给定一个小窗口（可能是一个圆形），必须将该窗口移动到最大像素密度（或最大点数）的区域。如下图所示：

初始窗口以蓝色圆圈显示，名称为“C1”。其原始中心以蓝色矩形标记，名称为“C1_o”。但是，如果找到该窗口内点的质心，则会得到点“C1_r”（标记为蓝色小圆圈），它是窗口的真实质心。当然，二者是不匹配的。因此，移动窗口使新窗口的圆与上一个质心匹配。再次找到新的质心。很可能不会匹配。因此，再次移动它，并继续迭代，以使窗口的中心及其质心落在同一位置（或在很小的期望误差内）。因此，最终获得的是一个具有最大像素分布的窗口。它带有一个绿色圆圈，名为“C2”。正如您在图像中看到的，它具有最大的点数。整个过程在下面的静态图像上演示：

因此，通常会传递直方图反投影图像和初始目标位置。当对象移动时，显然该移动会反映在直方图反投影图像中。因此，Meanshift算法就是将窗口移动到最大密度的新位置的算法。

OpenCV中的Meanshift

要在OpenCV中使用Meanshift，首先需要设置目标，找到其直方图，以便可以将目标反投影到每帧上以计算均值偏移。我们还需要提供窗口的初始位置。对于直方图，此处仅考虑色相（Hue）。另外，为避免由于光线不足而产生错误的值，可以使用cv2.inRange()函数丢弃光线不足的值。使用的视频中的三帧如下：

import cv2
import numpy as np
video_file = 'slow_traffic_small.mp4'
cap = cv2.VideoCapture(video_file)
# take first frame of the video
ret, frame = cap.read()
# setup initial location of window
x, y, w, h = 300, 200, 100, 50  # simply hardcoded the values
track_window = (x, y, w, h)
# setup the roi for tracking
roi = frame[y:y+h, x:x+w]
hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.)))
roi_hist = cv2.calcHist([hsv_roi], [0], mask, [180], [0, 180])
cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)
# setup the termination criteria, either 10 iteration or move by atleast 1 pt
term_crit = (cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_COUNT, 10, 1)
while True:
    ret, frame = cap.read()
    if ret == True:
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
        # apply meansift to get the new location
        ret, track_window = cv2.meanShift(dst, track_window, term_crit)
        # draw it on image
        x, y, w, h = track_window
        img2 = cv2.rectangle(frame, (x, y), (x+w, y+h), 255, 2)
        cv2.imshow('img2', img2)
        cv2.waitKey(0)
    else:
        cv2.destroyAllWindows()
        break

Camshift

度为止。

OpenCV中的Camshift

它与Meanshift相似，但是返回一个旋转的矩形和box参数（用于在下一次迭代中作为搜索窗口传递）。

import cv2
import numpy as np
video_file = 'slow_traffic_small.mp4'
cap = cv2.VideoCapture(video_file)
# take first frame of the video
ret, frame = cap.read()
# setup initial location of window
x, y, w, h = 300, 200, 100, 50  # simply hardcoded the values
track_window = (x, y, w, h)
# setup the roi for tracking
roi = frame[y:y+h, x:x+w]
hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.)))
roi_hist = cv2.calcHist([hsv_roi], [0], mask, [180], [0, 180])
cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)
# setup the termination criteria, either 10 iteration or move by atleast 1 pt
term_crit = (cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_COUNT, 10, 1)
while True:
    ret, frame = cap.read()
    if ret == True:
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
        # apply meansift to get the new location
        ret, track_window = cv2.CamShift(dst, track_window, term_crit)
        # draw it on image
        pts = cv2.boxPoints(ret)  # find four points of the box
        pts = np.int0(pts)
        img2 = cv2.polylines(frame, [pts], True, 255, 2)
        cv2.imshow('img2', img2)
        cv2.waitKey(0)
    else:
        cv2.destroyAllWindows()
        break

三帧的结果如下:

附加资源

French Wikipedia page on Camshift
Bradski, G.R., "Real time face and object tracking as a component of a perceptual user interface," Applications of Computer Vision, 1998. WACV '98. Proceedings., Fourth IEEE Workshop on , vol., no., pp.214,219, 19-21 Oct 1998

以上就是OpenCV目标检测Meanshif和Camshift算法解析的详细内容，更多关于OpenCV Meanshif Camshift算法的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

Django中的模型类设计及展示示例详解
这篇文章主要介绍了Django中的模型类设计及展示，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2020-05-05
Python字典和列表性能之间的比较
今天给大家介绍的是Python列表和字典的相关知识,文中对Python字典和列表的性能作了充分的比较,好奇的小伙伴们一起来看看吧,需要的朋友可以参考下
2021-06-06
如何定义TensorFlow输入节点
今天小编就为大家分享一篇如何定义TensorFlow输入节点，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-01-01
用Python实现大文本文件切割的方法
今天小编就为大家分享一篇用Python实现大文本文件切割的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-01-01
基于Python+Pygame实现经典赛车游戏
这篇文章主要为大家分享了一个基于Python和Pygame实现的赛车小游戏，文中的示例代码讲解详细，对我们学习Python有一定帮助，需要的可以参考一下
2022-04-04
使用Python计算隐含波动率
隐含波动率（Implied Volatility）在金融领域是一个核心概念,用于描述市场对于未来资产价格波动的预期程度,本文将详细介绍如何使用Python计算隐含波动率,需要的可以了解下
2024-11-11
Python封装数据库连接池详解
这篇文章主要介绍了Python封装数据库连接池详解，文章围绕主题相关内容展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下
2022-06-06
解决pycharm下pyuic工具使用的问题
这篇文章主要介绍了解决pycharm下pyuic工具使用的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-04-04
Python实现简单的学生信息管理系统
这篇文章主要为大家详细介绍了Python实现简单的学生信息管理系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2022-03-03
Python迭代和迭代器详解
本篇文章主要介绍Python的迭代和迭代器,可迭代对象的相关概念,有需要的小伙伴可以参考下
2016-11-11