提示:编辑中
前言
以前学习东西总是保存到本地,时间久了就遗忘了,重置电脑后也就丢失了,所以现在把已经踩过的一些坑分享给大家,共同进步。现在刚接触视觉跟踪,先跑个例程熟悉熟悉。
一、硬件平台
1. 操作系统
以前经常用ubuntu,后来经朋友推荐用国产linux 深度(deepin)操作系统,其界面美观,运行流畅,还有常用的一些软件。这是官网:
https://www.deepin.org/zh/
2. 下载opencv 4.2 ,opencv_contrib 4.2
这里提供一个下载技巧,先找到源码github地址,如果不是科学上网,非常慢,所以用国内的码云做跳板,具体方法如下:
首先创建一个码云账号,然后导入代码仓库,输入github地址,最后下载,速度飞快
这是我导入的,最好自己导入,熟悉一下
opencv
opencv_contrib
二、编译
1.解压
将两个压缩包 opencv 解压到某一个路径内 ,opencv_contrib解压到 opencv/目录下,如图
在opencv下新建一个build文件下,进入,然后在里面打开控制台
代码如下:
cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D INSTALL_C_EXAMPLES=ON \ -D WITH_TBB=ON \ -D WITH_V4L=ON \ -D WITH_QT=ON \ -D WITH_OPENGL=ON \ -D OPENCV_EXTRA_MODULES_PATH=/home/tanglei/Downloads/opencv/opencv_contrib/modules\ -D BUILD_EXAMPLES=ON \ -D OPENCV_GENERATE_PKGCONFIG=YES ..
/home/tanglei/Downloads/opencv/opencv_contrib/modules这个是 opencv_contrib/modules的路径
结果如下:
14为编译线程数量,根据自己电脑CPU性能选择合适的线程数量,不死机就行。
make -j14
安装成功
2.安装python版本的opencv
代码如下(示例):
安装pip3
#清华源安装pip3
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple virtualen
##更新(可选 )
pip3 install --upgrade pip
安装opencv-pythonopencv-python和 opencv-contrib-python
Pip3 install opencv-python -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
Pip3 install opencv-contrib-python -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
参考文献
Pip使用国内源安装opencv
最后执行 python语句
import cv2
不报错就表示安装成功
从这里获取python opencv kcf代码
python调用opencv库中的KCF等跟踪算法
如果自己电脑有摄像头,改摄像头序号就行,如果没有,那么可以用手机的摄像头,具体方法如下
下载以下 安卓软件
IP摄像头
打开,界面如下
设置一下账号和密码都为admin,然后开启就可以了
下一步:手机插上电脑USB,手机上 设置USB网络共享。或者用电脑连接手机WIFI
然后在浏览器输入 手机上显示的ip地址和端口,在浏览器上就可以看见手机的摄像头数据了
#python测试代码如下
import numpy as np
import cv2
#这个改为自己手机APP显示的ip
video = 'http://admin:admin@192.168.43.1:8081/'
cap = cv2.VideoCapture(video)
print(1)
while(True):
ret, frame = cap.read()
print('OK')
cv2.imshow('frame', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
如果电脑没有摄像头,那么就把上面网站给的 opencv kcf代码 改成下面这样
最后run code就可以了
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。