计算机视觉之目标跟踪(一) meanshift算法

本文介绍了计算机视觉中的目标跟踪方法,特别是meanshift算法。内容包括算法原理、在目标跟踪中的应用以及opencv库的使用。文章通过实例展示了如何进行目标跟踪,并提出了跟踪效果的注意事项。
摘要由CSDN通过智能技术生成

meanshift算法

研一真的很迷茫啊啊啊
不过既然分到了计算机视觉组,就安下心来慢慢学习吧。欢迎评论指正互相学习啊

--------------------------分割线-----------------------------------
今天听了博士学长的毕业预答辩,做的是目标跟踪方向,目前目标跟踪大致分为三类:
1.生成式目标跟踪方法
2.判别性目标跟踪方法
3.深度学习目标跟踪方法
meanshift算法属于生成式的目标跟踪方法。
其思路很简单,就是通过概率密度的梯度爬升来寻找局部最优解。
原理我就不赘述了(csdn上讲解还是蛮多的)
直接上代码吧

import cv2
import numpy as np

img1 = cv2.imread("./img/image1.jpg")
img2 = cv2.imread("./img/image2.jpg")
# 目标所在框
frame = img1[270:330, 65:125]
# 跟踪框
track_window = (45, 240, 60, 60)
# roi区域的hsv图像
hsv_roi = cv2.cvtColor(frame, cv2
  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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 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