Meanshift跟踪移动目标

该博客介绍了如何运用Meanshift算法实现移动目标跟踪。通过提供的链接,展示了目标跟踪过程,从红色初始位置到绿色跟踪位置的变化。
摘要由CSDN通过智能技术生成

利用Meanshift算法进行了移动目标跟踪,图片资源如下:

链接:https://yunpan.cn/cq9GfQDrsDL7r  密码:b135

红色方框为初始位置,绿色方框为跟踪到的位置。

 

#include <opencv2/opencv.hpp>
using namespace cv;

int histSize[1] = {256};
float hranges[2] = {0, 255};
const float* ranges[1] = {hranges};
int channels[1] = {0};

int main()
{
	VideoCapture cap("E:/Datasets/img%4d.jpg");
	Rect rect(200, 115, 45, 45);

	Mat frame, frameHSV, imgROI, dstHist, backproj;

	cap >> frame;
	cvtColor(frame, frameHSV, COLOR_RGB2HSV);
	imgROI = frameHSV(rect);
	calcHist(&imgROI, 1, channels, Mat(), dstHist, 1, histSize, ranges);
	normalize(dstHist, dstHist, 0.0, 1.0, NORM_MINMAX);

	rectangle(frame, rect, Scalar(0, 0, 255));
	imshow("Frame", frame);
	waitKey(0);

	while (true)
	{
		cap >> frame;
		if (frame.empty()) break;

		cvtColor(frame, frameHSV, COLOR_RGB2HSV);
		calcBackProject(&frameHSV, 1, channels, dstHist, backproj, ranges, 255.0);

		TermCriteria criteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 1000, 0.001);
		meanShift(backproj, rect, criteria);

		imgROI = frameHSV(rect);
		calcHist(&imgROI, 1, channels, Mat(), dstHist, 1, histSize, ranges);
		normalize(dstHist, dstHist, 0.0, 1.0, NORM_MINMAX);

		rectangle(frame, rect, Scalar(0, 255, 0));
		imshow("Frame", frame);

		waitKey(30);
	}

	return 0;
}


  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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