基于模板匹配的目标跟踪(OpenCV)

基于VS2010+ OpenCV2。代码可以读入视频,也可以读摄像头,两者的选择只需要在代码中稍微修改即可。对于视频来说,运行会先显示第一帧,然后我们用鼠标框选要跟踪的目标,然后跟踪器开始跟踪每一帧。对摄像头来说,就会一直采集图像,然后我们用鼠标框选要跟踪的目标,接着跟踪器开始跟踪后面的每一帧。具体代码如下:

#include <opencv2/opencv.hpp>  
  
using namespace cv;  
using namespace std;  
  
// Global variables  
Rect box;  
bool drawing_box = false;  
bool gotBB = false;  
  
// bounding box mouse callback  
void mouseHandler(int event, int x, int y, int flags, void *param){  
  switch( event ){  
  case CV_EVENT_MOUSEMOVE:  
    if (drawing_box){  
        box.width = x-box.x;  
        box.height = y-box.y;  
    }  
    break;  
  case CV_EVENT_LBUTTONDOWN:  
    drawing_box = true;  
    box = Rect( x, y, 0, 0 );  
    break;  
  case CV_EVENT_LBUTTONUP:  
    drawing_box = false;  
    if( box.width < 0 ){  
        box.x += box.width;  
        box.width *= -1;  
    }  
    if( box.height < 0 ){  
        box.y += box.height;  
        box.height *= -1;  
    }  
    gotBB = true;  
    break;  
  }  
}  
  
  
// tracker: get search patches around the last tracking box,  
// and find the most similar one  
void tracking(Mat frame, Mat &model, Rect &trackBox)  
{  
    Mat gray;  
    cvtColor(frame, gray, CV_RGB2GRAY);  
  
    Rect searchWindow;  
    searchWindow.width = trackBox.width * 3;  
    searchWindow.height = trackBox.height * 3;  
    searchWindow.x = trackBox.x + trackBox.width * 0.5 - searchWindow.width * 0.5;  
    searchWindow.y = trackBox.y + trackBox.height * 0.5 - searchWindow.height * 0.5;  
    searchWindow &= Rect(0, 0, frame.cols, frame.rows);  
  
    Mat similarity;  
    matchTemplate(gray(searchWindow), model, similarity, CV_TM_CCOEFF_NORMED);   
  
    double mag_r;  
    Point point;  
    minMaxLoc(similarity, 0, &mag_r, 0, &point);  
    trackBox.x = point.x + searchWindow.x;  
    trackBox.y = point.y + searchWindow.y;  
    model = gray(trackBox);  
}  
  
int main(int argc, char * argv[])  
{  
    VideoCapture capture;  
    capture.open("david.mpg");  
    bool fromfile = true;  
    //Init camera  
    if (!capture.isOpened())  
    {  
        cout << "capture device failed to open!" << endl;  
        return -1;  
    }  
    //Register mouse callback to draw the bounding box  
    cvNamedWindow("Tracker", CV_WINDOW_AUTOSIZE);  
    cvSetMouseCallback("Tracker", mouseHandler, NULL );   
  
    Mat frame, model;  
    capture >> frame;  
    while(!gotBB)  
    {  
        if (!fromfile)  
            capture >> frame;  
  
        imshow("Tracker", frame);  
        if (cvWaitKey(20) == 'q')  
            return 1;  
    }  
    //Remove callback  
    cvSetMouseCallback("Tracker", NULL, NULL );   
      
    Mat gray;  
    cvtColor(frame, gray, CV_RGB2GRAY);   
    model = gray(box);  
  
    int frameCount = 0;  
  
    while (1)  
    {  
        capture >> frame;  
        if (frame.empty())  
            return -1;  
        double t = (double)cvGetTickCount();  
        frameCount++;  
  
        // tracking  
        tracking(frame, model, box);      
  
        // show  
        stringstream buf;  
        buf << frameCount;  
        string num = buf.str();  
        putText(frame, num, Point(20, 20), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 3);  
        rectangle(frame, box, Scalar(0, 0, 255), 3);  
        imshow("Tracker", frame);  
  
  
        t = (double)cvGetTickCount() - t;  
        cout << "cost time: " << t / ((double)cvGetTickFrequency()*1000.) << endl;  
  
        if ( cvWaitKey(1) == 27 )  
            break;  
    }  
  
    return 0;  
}  

  

转载于:https://www.cnblogs.com/P3nguin/p/8697034.html

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: OpenCvSharp是一个基于OpenCV库的开源计算机视觉库,提供了许多图像处理和计算机视觉函数。模板匹配是其中的一个功能,可以用于在一幅图像中寻找与给定模板相似的部分。 模板匹配的基本思想是,在目标图像中滑动模板窗口,与模板进行相似度比较,找到相似度最高的位置作为匹配结果。相似度的度量可以使用不同的方法,如平方差匹配、相关匹配和标准化互相关匹配等。 在OpenCvSharp中,我们可以使用`Cv2.MatchTemplate`函数进行模板匹配。这个函数的输入参数包括目标图像、模板图像以及匹配方法。匹配方法是一个枚举类型,可以选择不同的相似度比较方法。 例如,假设目标图像为`sourceImage`,模板图像为`templateImage`,我们可以使用以下代码进行模板匹配: ``` // 将图像转换为灰度图像 var graySource = new Mat(); Cv2.CvtColor(sourceImage, graySource, ColorConversionCodes.BGR2GRAY); // 进行模板匹配 var result = new Mat(); Cv2.MatchTemplate(graySource, templateImage, result, TemplateMatchModes.CCoeffNormed); // 查找匹配结果中的最大值和最小值 double minVal, maxVal; Point minLoc, maxLoc; Cv2.MinMaxLoc(result, out minVal, out maxVal, out minLoc, out maxLoc); // 可以选择在目标图像中绘制矩形框标识匹配部分 Cv2.Rectangle(sourceImage, new Rect(maxLoc, templateImage.Size()), Scalar.Red, 2); // 显示结果 Cv2.ImShow("Template Matching", sourceImage); Cv2.WaitKey(0); ``` 通过上述代码,我们可以找到目标图像中与模板最相似的部分,并将其用红色矩形框标识出来。在实际应用中,模板匹配可以用于目标检测、物体跟踪等领域。 ### 回答2: OpenCVSharp是一个基于OpenCV的C#开发库,可以用于图像处理和计算机视觉任务。模板匹配是一种在图像中寻找特定模式的技术。 模板匹配的过程包括以下步骤: 1. 准备一幅待匹配的源图像和一幅待寻找的模板图像。 2. 通过OpenCVSharp的函数读取图像文件,并将其转换为OpenCV的图像数据类型。 3. 使用OpenCVSharp中的模板匹配函数,将源图像与模板图像进行匹配。这些函数包括cv::matchTemplate,cv::minMaxLoc等。 4. 匹配函数会返回一个结果图像,其中包含了源图像中与模板最接近的区域。可以使用cv::minMaxLoc函数来获取匹配结果的位置坐标。 5. 可以根据需要进一步处理匹配结果,例如在结果图像上绘制矩形框标记出匹配的区域,或者计算匹配的相似度得分。 模板匹配在很多应用中都有广泛的应用,例如目标识别、图像分类、图像拼接等。使用OpenCVSharp进行模板匹配可以方便地利用OpenCV的功能和算法来实现这些任务。同时,OpenCVSharp的API也相对简单易用,适合快速开发和原型验证。 总的来说,OpenCVSharp提供了强大的模板匹配功能,可以帮助我们在图像中寻找特定模式,并且可以根据匹配结果进行后续的图像处理和分析。 ### 回答3: OpenCvSharp是一个基于OpenCV的开源计算机视觉库,它提供了用于图像处理和分析的函数和类。其中一个功能是模板匹配,它可以用于在一副图像中查找特定模板的位置。 模板匹配的基本原理是将一个模板图像与目标图像进行比较,通过计算相似度来确定模板在目标图像中的位置。 在OpenCvSharp中,模板匹配的主要步骤如下: 1. 准备目标图像和模板图像。目标图像是待搜索的图像,而模板图像是要匹配的部分。 2. 选择一个匹配方法。OpenCvSharp提供了几种不同的匹配方法,如平方差匹配、相关性匹配和归一化互相关匹配等。 3. 使用匹配方法进行模板匹配。首先,使用cv2.MatchTemplate函数将模板图像与目标图像进行匹配。然后,通过计算相似度得分来找到最好的匹配位置。 4. 根据相似度得分确定模板在目标图像中的位置。可以使用cv2.MinMaxLoc函数找到得分最高的位置,即最佳匹配位置。 5. 可以选择是否进行阈值处理。通过设置适当的阈值,可以将相似度得分低于阈值的匹配位置排除。 6. 可以通过绘制矩形来标记模板在目标图像中的位置。可以使用cv2.Rectangle函数在目标图像上绘制矩形框。 总之,OpenCvSharp的模板匹配功能提供了一种方便快捷的方法来查找图像中特定模板的位置。通过选择适当的匹配方法和设置适当的阈值,我们可以得到准确的匹配结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值