本人学习opencv了半个月，学到模板匹配函数时灵感一动，写出了这个模板匹配的函数。特此，将我的灵感奉献给大家。废话不多说，代码贴上。
#include "stdafx.h"
#include <cv.h>
#include <highgui.h>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <conio.h>
#include <iostream>
#include <cxcore.h>
#include <opencv2/core/core.hpp>
#include "math.h"
using namespace std;
using namespace cv;
#define meichao "未超界"
#define chao_zuo "摄像头向左移动"
#define chao_you "摄像头向右移动"
#define chao_qian "摄像头向前移动"
#define chao_hou "摄像头向后移动"
#define qian_zuo 10
#define qian_you 11
#define hou_zuo 12
#define hou_you 13
#define qian 14
#define hou 15
//归一化函数，是使没有可比型的数据变得具有可比型，同时又保持相比较的连个数据的相对关系
//都一个参数：输入数组
//第二个参数：输出数组，支持原地运算
//第三个参数：模式最小值
//第四个参数：模式最大值
//第五个参数：归一化类型
//第六个参数：当其为负数时，输出数组类型与原数组相同，否则输出数组与输入数组只是通道数相同，type=CV_MAT_DEPTH(dypte)
#define WINDOW_NAME1 "[原始窗口]"
#define WINDOW_NAME2 "[效果窗口]"
#define WINDOW_NAME3 "[效果窗口2]"
#define WINDOW_NAME4 "[原始窗口4]"
IplImage* pFrame=NULL;
CvCapture* pCapture=cvCreateCameraCapture(0);
Mat g_srcImage;
Mat g_srcImage2;
Mat g_templateImage;
Mat g_resultImage;
Mat g_resultImage2;
int g_nMatchMethod;
int g_nMaxTrackbarNum=5;
int fangxiang;
String jiexian;
Mat srcImage;
Mat srcImage2;
int resultImage_cols;
int resultImage_rows;
int resultImage_cols2;
int resultImage_rows2;
double minValue;double maxValue;Point minLocation;Point maxLocation;
Point mathLocation;
double minValue2;double maxValue2;Point minLocation2;Point maxLocation2;
Point mathLocation2;
int zhou_x;
int zhou_y;
char c;
//int biaozhun_x;
//int biaozhun_y;
void on_Matching(int,void*);
//--------------------------------[main()函数]------------------------------------------------------------------
// 描述：控制台应用的入口函数，我们程序都从这里开始
//----------------------------------------------------------------------------------------------------
int _tmain(int argc, _TCHAR* argv[])
{
/*
namedWindow(WINDOW_NAME1,CV_WINDOW_AUTOSIZE);
namedWindow(WINDOW_NAME2,CV_WINDOW_AUTOSIZE);
namedWindow(WINDOW_NAME3,CV_WINDOW_AUTOSIZE);
namedWindow(WINDOW_NAME4,CV_WINDOW_AUTOSIZE);
*/
cvNamedWindow("video",1);
while(1)
{
pFrame=cvQueryFrame(pCapture);
if(!pFrame)break;
cvShowImage("video",pFrame);
c=waitKey(33);
if(c==27){break;}
if(c==49)
{
cvSaveImage("tuxiang_1.jpg",pFrame);
Mat xianshi_1(pFrame);
imshow("xianshi_1",xianshi_1);
waitKey(3000);
//continue;
}
if(c==50)
{
cvSaveImage("tuxiang_2.jpg",pFrame);
Mat xianshi_2(pFrame);
imshow("xianshi_2",xianshi_2);
waitKey(3000);
//continue;
}
if(c==13)
{
//按1---储存第一次，按2----储存第二次
//格式：640*480
g_srcImage=imread("tuxiang_1.jpg",1);
g_templateImage=imread("1.jpg",1);
g_srcImage2=imread("tuxiang_2.jpg",1);
//printf("src1的x总长，y总长:%d %d\r\n",g_srcImage.cols,g_srcImage.rows);
//printf("src2的x总长，y总常;%d %d\r\n",g_srcImage2.cols,g_srcImage2.rows);
createTrackbar("方法",WINDOW_NAME1,&g_nMatchMethod,g_nMaxTrackbarNum,on_Matching);
on_Matching(0,0);
waitKey(0);
}
}
return 0;
}
void on_Matching(int,void*)
{
g_srcImage.copyTo(srcImage);
srcImage2.copyTo(srcImage);
//这些数据用于输出
resultImage_cols=g_srcImage.cols-g_templateImage.cols+1;
resultImage_rows=g_srcImage.rows-g_templateImage.rows+1;
resultImage_cols2=g_srcImage2.cols-g_templateImage.cols+1;
resultImage_rows2=g_srcImage2.cols-g_templateImage.cols+1;
g_resultImage.create(resultImage_cols,resultImage_rows,CV_32FC1);
g_resultImage2.create(resultImage_cols2,resultImage_rows2,CV_32FC1);
matchTemplate(g_srcImage,g_templateImage,g_resultImage,g_nMatchMethod);
matchTemplate(g_srcImage2,g_templateImage,g_resultImage2,g_nMatchMethod);
normalize(g_resultImage2,g_resultImage2,0,1,NORM_MINMAX,-1,Mat());
normalize(g_resultImage,g_resultImage,0,1,NORM_MINMAX,-1,Mat());
minMaxLoc(g_resultImage,&minValue,&maxValue,&minLocation,&maxLocation,Mat());
minMaxLoc(g_resultImage2,&minValue2,&maxValue2,&minLocation2,&maxLocation2,Mat());
if(g_nMatchMethod==CV_TM_SQDIFF||g_nMatchMethod==CV_TM_SQDIFF_NORMED)
{
mathLocation=minLocation;
mathLocation2=minLocation2;
}
else
{
mathLocation=maxLocation;
mathLocation2=maxLocation2;
}
//rectangle(srcImage,mathLocation,Point(mathLocation.x+g_templateImage.cols,mathLocation.y+g_templateImage.rows),Scalar(0,0,255),2,8,0);
//rectangle(g_resultImage,mathLocation,Point(mathLocation.x+g_templateImage.cols,mathLocation.y+g_templateImage.rows),Scalar(0,0,255),2,8,0);
//rectangle(srcImage,minLocation,maxLocation,Scalar(0,0,255),2,8,0);
//rectangle(g_resultImage,minLocation,maxLocation,Scalar(0,0,255),2,8,0);
zhou_x=mathLocation2.x-mathLocation.x;
zhou_y=mathLocation2.y-mathLocation.y;
fangxiang=0;
if(zhou_x>=0&&zhou_y>=0)
{
fangxiang=qian_you;
//这里是重点
if(zhou_x>=zhou_y*1.3&&zhou_x<=zhou_y*1.9)
{
fangxiang=qian;
}
}
if(zhou_x>=0&&zhou_y<0)
{
fangxiang=hou_you;
if(zhou_x>=zhou_y*1.3&&zhou_x<=zhou_y*1.9)
{
fangxiang=hou;
}
}
if(zhou_x<0&&zhou_y>=0)
{
fangxiang=qian_zuo;
if(zhou_x>=zhou_y*1.3&&zhou_x<=zhou_y*1.9)
{
fangxiang=qian;
}
}
if(zhou_x<0&&zhou_y<0)
{
fangxiang=hou_zuo;
//这里是重点
if(zhou_x>=zhou_y*1.3&&zhou_x<=zhou_y*1.9)
{
fangxiang=hou;
}
}
//只需要第一次在中间即可420,164
if(mathLocation.x>=410)
{
jiexian=chao_you;
printf("\r\n摄像头应该向左移动\r\n");
}
if(mathLocation.x<=190)
{
jiexian=chao_zuo;
printf("\r\n摄像头应该向右移动\r\n");
}
/*
imshow(WINDOW_NAME1,srcImage);
imshow(WINDOW_NAME4,srcImage2);
imshow(WINDOW_NAME2,g_resultImage);
imshow(WINDOW_NAME3,g_resultImage2);
*/
printf("\r\n");
printf("你本次移动的方向为：%d\r\n",fangxiang);
printf("检测点的坐标_X,检测点的坐标_Y: %d %d\r\n",mathLocation.x,mathLocation.y);
printf("检测点2的坐标_X,检测点2的坐标_Y: %d %d\r\n",mathLocation2.x,mathLocation2.y);
remove("2.jpg");
remove("3.jpg");
}
为了方便新手学习我讲解一下这个算法，首先我调用摄像头，并且等待键盘敲入的值。如果是1，则保存这一帧所截取的图像，等待3s并且回归到摄像头显示。如果是2，则截取这一帧所截取的图像，等待三秒并退出。者两张图像保存的名字叫做“2.jpg”与“3.jpg”。者两张图片图片就是我们模板匹配的背景。然后我们按回车键
就进行模板匹配的算法处理，并且进行路径比较，和定位以计算出人移动的方向。
但是请注意，我们的“1.jpg”是你所追踪的人的先要特征的截图。比如我外套没有拉起来，露出来的中间的衬衣就是我模板匹配的标本。然后在匹配之前我么你要进行归一化处理。归一化处理函数是为了使两个模板有更好的相似性，提高匹配精度。
别人的模板匹配算法用了六个参数来定位不同背景下哪个参数好用。但我们只用者6个参数中的一个来完成我么你的算法，因为之前我单独使用者6个参数进行比较，得到一个符合我的参数，同学们可以自行尝试这个函数来获得对自己来说效果更好的参数。
在模板匹配的结果会获得一个mathlocation点，这个点非常重要，它影响了们后面的追踪程序。我们的摄像头
正俯着人，那么可以计算这个点的移动方向来判断这个人的左右移动方向，同时计算其前后方向来判断这个人的前后移动方向。这里的坐标是向右为正，向上为正。这里我们先测量了照片的大小，并且加入了摄像头拍摄的人是否在边界的判断，并传输信息向左移动或者向右移动。
经本人实践检验，在衣服不改变的情况下，算法可以实现对人体移动方向的判断。
如有对此感兴趣的人请留言讨论。
扫一扫
3985
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
