Python OpenCV目标跟踪,可在视频播放过程中选择标定框

Python OpenCV目标跟踪,可在视频播放过程中选择标定框

这里用到的OpenCV最好是安装opencv-contrib-python,用pip install opencv-contrib-python安装即可。
主要实现的功能如下:(这里本人只是为了做demo,OpenCV自带的目标跟踪效果并不是很好)

  • 在视频播放过程中选择要跟踪的目标(按键盘上的“0”键选择目标)
  • 可取消跟踪目标(按键盘上的“1”键取消跟踪目标)
  • 改变跟踪框的颜色并显示车牌信息(按“2”,我这里是改为了绿色,可显示汉字,这里是把车牌的信息写成固定的,为了demo)
  • 显示车牌的信息,
  • 取消跟踪之后,可重新按“0”键选择跟踪目标

代码主要是为了备份以后使用,不一定满足大家的需要,谨慎运行

import cv2
import sys
import numpy
from PIL import Image, ImageDraw, ImageFont


def cv2ImgAddText(img, text, left, top, textColor=(255, 0, 0), textSize=20):
    if isinstance(img, numpy.ndarray):  # 判断是否OpenCV图片类型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    # 创建一个可以在给定图像上绘图的对象
    draw = ImageDraw.Draw(img)
    # 字体的格式
    fontStyle = ImageFont.truetype(
        "font/simsun.ttc", textSize, encoding="utf-8")
    # 绘制文本
    draw.text((left, top), text, textColor, font=fontStyle)
    # 转换回OpenCV格式
    return cv2.cvtColor(numpy.asarray(img), cv2.COLOR_RGB2BGR)


if __name__ == '__main__':
    # Read video
    video = cv2.VideoCapture("车牌2.mp4")
    # 保存视频
    fourcc = cv2.VideoWriter_fourcc('m', 'p', '4', 'v')
    sz = (int(video.get(cv2.CAP_PROP_FRAME_WIDTH)), int(video.get(cv2.CAP_PROP_FRAME_HEIGHT)))
    fps = 30
    out = cv2.VideoWriter()
    out.open('output.mp4', fourcc, fps, sz, True)
    # Exit if video not opened.
    if not video.isOpened():
        print("Could not open video")
        sys.exit()
    # video.set(cv2.CAP_PROP_POS_FRAMES, 5600)  # 跳帧
    ok, frame = video.read()
    if not ok:
        print('Cannot read video file')
        sys.exit()
    key0 = 0  # 标记“Z"是否被按下, 偶数为不追踪, 奇数为追踪
    key2 = False  # 默认警告
    key3 = False
    while True:
        # Read a new frame
        k = cv2.waitKey(1) & 0xff
        ok, frame = video.read()
        if not ok:
            break
        if k == 48:  # 如果按下了“0”键,则重新选择bbox
            key0 += 1
            key2 = False  # 默认警告
            tracker = cv2.TrackerKCF_create()
            bbox = cv2.selectROI(frame, False)
            ok = tracker.init(frame, bbox)
            cv2.destroyAllWindows()
        if k == 49:  # 如果按下了“1”键,则取消bbox
            key0 += 1
        if k == 50:  # 如果按下了“2”键,则改变框的颜色
            key2 = True
        if k == 51:  # 如果按下了“3”键,则显示车牌信息
            key3 = True
        if key0 % 2 == 1:
            ok, bbox = tracker.update(frame)

        # Draw bounding box
        if ok and key0 % 2 == 1:
            # Tracking success
            p1 = (int(bbox[0]), int(bbox[1]))
            p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))
            if key2:
                cv2.rectangle(frame, p1, p2, (255, 0, 0), 2, 1)
                # cv2.putText(frame, " ", (int(bbox[0]), int(bbox[1]) - 20), cv2.FONT_HERSHEY_SIMPLEX,
                #             0.75, (0, 255, 0), 2)
                frame = cv2ImgAddText(frame, "鲁A 6JIN3", int(bbox[0]), int(bbox[1]) - 25, (0, 0, 255), 22)
            else:
                cv2.rectangle(frame, p1, p2, (0, 0, 255), 2, 1)
                cv2.putText(frame, "Press Line", (int(bbox[0]), int(bbox[1]) - 20),
                            cv2.FONT_HERSHEY_SIMPLEX,
                            0.75, (0, 0, 255), 2)

        # Display tracker type on frame
        cv2.putText(frame, "KFC Tracker", (100, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (255, 0, 0), 2)
        # Display result
        cv2.imshow("Tracking", frame)
        out.write(frame)
        if k == 27:  # Exit if ESC pressed
            break

    video.release()
    out.release()
    cv2.destroyAllWindows()

视频不好传,传点截图吧
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Python,我们可以使用OpenCV库来进行视频的运动目标检测、跟踪以及速度计算。以下是一个基本的示例,展示如何使用`cv2.Tracker_create()`函数跟踪运动目标,并计算其移动速度: 首先,确保已安装OpenCV,可以使用pip安装: ```bash pip install opencv-python ``` 然后,这是一个简单的代码架: ```python import cv2 import numpy as np # 读取视频 cap = cv2.VideoCapture('video.mp4') # 提取第一个帧并选择追踪器(如KCF) ret, frame = cap.read() if not ret: raise IOError("Cannot read video") bbox = cv2.selectROI(frame, False) # 用户手动选择初始目标区域 tracker = cv2.Tracker_create('KCF') # 使用KCF追踪器或其他你喜欢的追踪器 while True: ret, frame = cap.read() if not ret: break # 更新追踪器的位置 ok, bbox = tracker.update(frame) # 如果追踪成功,绘制追踪和速度信息 if ok: x, y, w, h = [int(v) for v in bbox] cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2) # 对于计算速度,我们需要连续帧间的距离,这里假设每帧间隔为1秒,可以根据实际情况调整 fps = 30 # 视频帧率 time_diff = 1 / fps dx, dy = (w, h) / time_diff # 这里简单地使用了宽度和高度的变化作为速度估计 speed_text = f"Speed: {dx:.2f} px/s, {dy:.2f} py/s" cv2.putText(frame, speed_text, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (255, 255, 255), 2) else: cv2.putText(frame, "Lost", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2) # 显示结果 cv2.imshow('Tracking', frame) key = cv2.waitKey(1) if key == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() ``` 注意,这个例子仅作参考,实际应用可能需要更复杂的处理,比如使用卡尔曼滤波等算法提高速度估计精度,或者使用其他类型的追踪器。
评论 3
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