目標跟蹤（2）背景分割器

《opencv 3計算機視覺——python語言實現（原書第2版）》

第八章目標跟蹤

|______8.2背景分割器：knn、mog2、gmg

本節只是對書中**進行詳細解讀

opencv 提供了乙個稱為backgroundsubtractor的類，在分割前景和背景時很方便。該類不僅執行背景分割，且可以通過機器學習的方法提高背景檢測的效果，並提供將分類結果儲存到檔案的功能。

背景分割器主要包含 mog2、knn、gmg。

利用背景分割器mog2分割前景和背景，檢測運動物體

#!/usr/bin/env python3
#__*__coding=utf-8__*__
"""利用背景分割器mog2分割前景和背景，檢測運動物體
"""import numpy as np
import cv2
cap = cv2.videocapture(0)
mog = cv2.createbackgroundsubtractormog2()
while(1):
ret,frame = cap.read()
cv2.imshow('frame',fgmask)
if cv2.waitkey(100) & 0xff == ord("q"):
break
cap.release()
cv2.destroyallwindows()

#!/usr/bin/env python3
#__*__coding=utf-8__*__
import cv2
import numpy as np
#常見乙個backgroundsubtractorknn介面
bs = cv2.createbackgroundsubtractorknn(detectshadows=true)
camera = cv2.videocapture(0)
while true:
ret,frame = camera.read()
#獲得前景掩碼（含有白色值以及陰影的灰色值），通過設定閾值將非白色（244~255）的所有畫素都設為0，而不是1；
th = cv2.threshold(fgmask.copy(),244,255,cv2.thresh_binary)[1]
dilated = cv2.dilate(th,cv2.getstructuringelement(cv2.morph_ellipse,(3,3)),iterations =2)
for c in contours:
if cv2.contourarea(c) < 1500:
continue
(x,y,w,h) = cv2.boundingrect(c)
cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow("mog",fgmask)
cv2.imshow("thresh",th)
cv2.imshow("detection",frame)
if cv2.waitkey(100) & 0xff == ord("q"):
break
camera.release()
cv2.destroyallwindows()

均值漂移是一種目標跟蹤演算法，該演算法尋找概率函式離散樣本的最大密度，並且重新計算在下一幀中的最大密度，該演算法給出了目標的移動方向。不但進行計算移動方向和距離，直到與原始中心匹配或者迭代後保持中心不變，即最後收斂。

參考部落格mean shift 均值漂移聚類

#!/usr/bin/env python3
#__*__coding=utf-8__*__
"""均值漂移
"""import cv2
import numpy as np
cap = cv2.videocapture(0)
ret,frame = cap.read()
#設定跟蹤視窗大小
r,h,c,w = 10,200,10,200
track_window = (c,r,w,h)
roi = frame[r:r+h, c:c+w]
hsv_roi = cv2.cvtcolor(frame,cv2.color_bgr2hsv)
#inrange函式用來設定下限和上限值
mask = cv2.inrange(hsv_roi,np.array((100.,30.,32.)),np.array((180.,120.,255.)))
roi_hist = cv2.calchist([hsv_roi],[0],mask,[180],[0,180])
cv2.normalize(roi_hist,roi_hist,0,255,cv2.norm_minmax)
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)
ret,track_window = cv2.meanshift(dst,track_window,term_crit)
x,y,w,h = track_window
img2 = cv2.rectangle(frame,(x,y),(x+w,y+h),255,2)
cv2.imshow('img2',img2)
if cv2.waitkey(100) & 0xff == ord("q"):
break
else:
break
cap.release()
cv2.destroyallwindows()

**中有兩個不太容易理解的函式：

calchist函式

calcbackproject函式

camshift 會根據具體的旋轉來繪製標記矩陣框，這種旋轉會被跟蹤物件一起旋轉。

#!/usr/bin/env python3
#__*__coding=utf-8__*__
"""均值漂移
"""import cv2
import numpy as np
cap = cv2.videocapture(0)
ret,frame = cap.read()
#設定跟蹤視窗大小
r,h,c,w = 10,200,10,200
track_window = (c,r,w,h)
roi = frame[r:r+h, c:c+w]
hsv_roi = cv2.cvtcolor(frame,cv2.color_bgr2hsv)
#inrange函式用來設定下限和上限值
mask = cv2.inrange(hsv_roi,np.array((100.,30.,32.)),np.array((180.,120.,255.)))
roi_hist = cv2.calchist([hsv_roi],[0],mask,[180],[0,180])
cv2.normalize(roi_hist,roi_hist,0,255,cv2.norm_minmax)
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)
###############均值漂移#########################
# ret,track_window = cv2.meanshift(dst,track_window,term_crit)
## x,y,w,h = track_window
# img2 = cv2.rectangle(frame,(x,y),(x+w,y+h),255,2)
##################camshift############################
ret, track_window =cv2.camshift(dst,track_window,term_crit)
pts = cv2.boxpoints(ret)
pts = np.int0(pts)
img2 = cv2.polylines(frame,[pts],true,255,2)
cv2.imshow('img2',img2)
if cv2.waitkey(100) & 0xff == ord("q"):
break
else:
break
camera.release()
cv2.destroyallwindows()

與meanshift只有四行程式不同。

對運動物體的跟蹤：

如果背景固定,可用幀差法然後在計算下連通域，將面積小的去掉即可；

如果背景單一,即你要跟蹤的物體顏色和背景色有較大區別，可用基於顏色的跟蹤，如camshift 魯棒性都是較好的；

如果背景複雜,如背景中有和前景一樣的顏色，就需要用到一些具有**性的演算法如卡爾曼濾波等可以和 camshift 結合；

參考文件：

camshift的演算法原理

camshift跟蹤演算法介紹

目標跟蹤（2）背景分割器

Opencv背景分割器

檔案分割器

檔案分割器

目標跟蹤（2） 背景分割器

Opencv背景分割器

檔案分割器

檔案分割器

相關推薦

目標跟蹤（2）背景分割器