89 视频分析—基于连续自适应均值迁移的对象移动分析
代码
import cv2 as cv
cap = cv.VideoCapture('../images/balltest.mp4')
# 读取第一帧
ret,frame = cap.read()
cv.namedWindow("CAM Demo", cv.WINDOW_AUTOSIZE)
# 选择ROI区域
x, y, w, h = cv.selectROI("CAM Demo", frame, True, False)
track_window = (x, y, w, h)
# 获取ROI直方图
roi = frame[y:y+h, x:x+w]
hsv_roi = cv.cvtColor(roi, cv.COLOR_BGR2HSV)
mask = cv.inRange(hsv_roi, (26, 43, 46), (34, 255, 255))
roi_hist = cv.calcHist([hsv_roi],[0],mask,[180],[0,180])
cv.normalize(roi_hist,roi_hist,0,255,cv.NORM_MINMAX)
# 设置搜索跟踪分析
term_crit = ( cv.TERM_CRITERIA_EPS | cv.TERM_CRITERIA_COUNT, 10, 1 )
while True:
ret, frame = cap.read()
if ret is False:
break;
hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
dst = cv.calcBackProject([hsv],[0],roi_hist,[0,180],1)
# ,搜索更新roi区域
track_box = cv.CamShift(dst, track_window, term_crit)
track_window = track_box[1]
print(track_box)
# 绘制窗口CAM
cv.ellipse(frame, track_box[0], (0, 0, 255), 3, 8)
cv.imshow('CAM Demo',frame)
k = cv.waitKey(50) & 0xff
if k == 27:
break
else:
cv.imwrite(chr(k)+".jpg",frame)
cv.destroyAllWindows()
cap.release()
实验结果
解释
CAM是连续自适应的均值迁移跟踪算法,它跟均值迁移相比较有两个改进
- 会根据跟踪对象大小变化自动调整搜索窗口大小
- 返回位置信息更加完整,包含了位置与角度信息
OpenCV中CAMShift的API函数如下:
retval, window = cv.CamShift( probImage, window, criteria )
probImage
输入图像,是直方图反向投影的结果window
搜索窗口,ROI对象区域criteria
均值迁移停止条件
所有内容均来源于贾志刚老师的知识星球——OpenCV研习社,本文为个人整理学习,已获得贾老师授权,有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。