目标跟踪算法_Camshift函数(学习笔记)

最新推荐文章于 2024-08-21 17:40:33 发布

快乐成长吧

最新推荐文章于 2024-08-21 17:40:33 发布

阅读量1.2w

点赞数 10

分类专栏：算法

本文链接：https://blog.csdn.net/qq_37791134/article/details/81003626

版权

本文介绍了CamShift算法，一种连续自适应的MeanShift算法，适用于视频中尺寸变化的目标跟踪。主要内容包括算法原理、步骤、优缺点及OpenCV中的实现。通过直方图反向投影和MeanShift迭代找到目标位置，能自动调节搜索窗口大小。然而，当目标与背景颜色相近或被遮挡时，可能造成跟踪误差或丢失。

摘要由CSDN通过智能技术生成

在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重要。为了让大家先达到一个感性认识。这节主要是看懂和运行opencv中给的sample并稍加修改。

Camshift函数的原型为：RotatedRect CamShift(InputArray probImage, Rect& window, TermCriteria criteria)。

其中probImage为输入图像直方图的反向投影图，window为要跟踪目标的初始位置矩形框，criteria为算法结束条件。函数返回一个有方向角度的矩阵。该函数的实现首先是利用meanshift算法计算出要跟踪的中心，然后调整初始窗口的大小位置和方向角度。在camshift内部调用了meanshift算法计算目标的重心。

一、概括：

CamShift算法，全称是 Continuously AdaptiveMeanShift，顾名思义，它是对Mean Shift 算法的改进，能够自动调节搜索窗口大小来适应目标的大小，可以跟踪视频中尺寸变化的目标。它也是一种半自动跟踪算法，需要手动标定跟踪目标。基本思想是以视频图像中运动物体的颜色信息作为特征，对输入图像的每一帧分别作 Mean-Shift 运算，并将上一帧的目标中心和搜索窗口大小(核函数带宽)作为下一帧 Mean shift 算法的中心和搜索窗口大小的初始值，如此迭代下去，就可以实现对目标的跟踪。因为在每次搜索前将搜索窗口的位置和大小设置为运动目标当前中心的位置和大小，而运动目标通常在这区域附近，缩短了搜索时间；另外，在目标运动过程中，颜色变化不大，故该算法具有良好的鲁棒性。已被广泛应用到运动人体跟踪，人脸跟踪等领域。

二、算法