十四.目标追踪

目标追踪

1. 目标追踪介绍
   知乎上有篇文章对目标追踪介绍的非常清晰. 目标追踪综述

2. OpenCV目标追踪算法介绍
   OpenCV上有八种不同的目标追踪算法:
   (1)BOOSTING Tracker：和Haar cascades（AdaBoost）背后所用的机器学习算法相同，但是距其诞生已有十多年了。这一追踪器速度较慢，并且表现不好。（最低支持OpenCV 3.0.0）

   (2)MIL Tracker：比上一个追踪器更精确，但是失败率比较高。（最低支持OpenCV 3.0.0）

   (3)KCF Tracker：比BOOSTING和MIL都快，但是在有遮挡的情况下表现不佳。（最低支持OpenCV 3.1.0）

   (4)CSRT Tracker：比KCF稍精确，但速度不如后者。（最低支持OpenCV 3.4.2）

   (5)MedianFlow Tracker：出色的跟踪故障报告。当运动是可预测的并且没有遮挡时，效果非常好，但是对于快速跳动或快速移动的物体，模型会失效。（最低支持OpenCV 3.0.0）

   (6)TLD Tracker：在多帧遮挡下效果最好。但是TLD的误报非常多，所以不推荐。（最低支持OpenCV 3.0.0）

   (7)MOSSE Tracker：速度真心快，但是不如CSRT和KCF的准确率那么高，如果追求速度选它准没错。（最低支持OpenCV 3.4.1）

   (8)GOTURN Tracker：这是OpenCV中唯一一深度学习为基础的目标检测器。它需要额外的模型才能运行。（最低支持OpenCV 3.2.0）

3. 目标跟踪算法的使用
   OpenCV目标跟踪算法的使用大概可以分为以下几个步骤:
   创建MultiTracker对象.
   读取视频或摄像头数据.
   框选ROI区域
   给MultiTracker对象添加实际的追踪算法.
   对每一帧进行进行目标追踪.
   下面是一个使用例子:

配置参数
ap = argparse.ArgumentParser() ap.addargument("-v", "--video", type=str, help="path to input video file") ap.addargument("-t", "--tracker", type=str, default="kcf", help="OpenCV object tracker type") args = vars(ap.parse_args())
opencv已经实现了的追踪算法
OPENCVOBJECTTRACKERS = { "csrt": cv2.TrackerCSRTcreate, "kcf": cv2.TrackerKCFcreate, "boosting": cv2.TrackerBoostingcreate, "mil": cv2.TrackerMILcreate, "tld": cv2.TrackerTLDcreate, "medianflow": cv2.TrackerMedianFlowcreate, "mosse": cv2.TrackerMOSSE_create }
实例化OpenCV's multi-object tracker
trackers = cv2.MultiTracker_create() vs = cv2.VideoCapture(args["video"])
视频流
while True: # 取当前帧 frame = vs.read() # (true, data) frame = frame[1] # 到头了就结束 if frame is None: break
# resize每一帧
(h, w) = frame.shape[:2]
width=600
r = width / float(w)
dim = (width, int(h * r))
frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA)

# 追踪结果
(success, boxes) = trackers.update(frame)

# 绘制区域
for box in boxes:
    (x, y, w, h) = [int(v) for v in box]
    cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 显示
cv2.imshow("Frame", frame)
key = cv2.waitKey(100) & 0xFF

if key == ord("s"):
    # 选择一个区域，按s
    box = cv2.selectROI("Frame", frame, fromCenter=False,
        showCrosshair=True)

    # 创建一个新的追踪器
    tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]()
    trackers.add(tracker, frame, box)

# 退出
elif key == 27:
    break
vs.release() cv2.destroyAllWindows() ```