python—opencv 实时视频目标追踪

最新推荐文章于 2024-09-04 00:05:14 发布

明月下

最新推荐文章于 2024-09-04 00:05:14 发布

阅读量3.5k

点赞数 1

文章标签： opencv python 音视频

本文链接：https://blog.csdn.net/qq_45384162/article/details/129272186

版权

该代码实现了一个使用OpenCV库进行目标追踪的程序，支持meanshift和camshift两种方法。用户可以选择摄像头，获取第一帧，然后通过鼠标选取ROI区域。之后，程序会在视频流中实时追踪目标，并将其显示在图像上。同时，追踪过程被保存为outpy.avi视频文件。

摘要由CSDN通过智能技术生成

功能：

1.获取摄像头，实时显示
2.鼠标获取第一帧中的目标roi区域
3.在视频中实时对目标进行追踪。
4.两种目标追踪的方式：‘meanshift’，‘camshift’
5.保存视频

import cv2 as cv
import numpy as np

global min_y,height,min_x,width

# 1代表打开外置摄像头,外置多个摄像头可依此枚举 0，1，
# 0代表电脑内置摄像头,
camera = cv.VideoCapture(0)

# 设置摄像头分辨率 1920 *1080
width = 1920
heigth = 1080
camera.set(cv.CAP_PROP_FRAME_WIDTH, width)
camera.set(cv.CAP_PROP_FRAME_HEIGHT, heigth)

# 选择目标追踪方式：
# 'meanshift'：roi窗口固定不变
# 'camshift':roi窗口根据目标大小变化
TargetTrackingMode='meanshift' # 或者

# 创建保存视频的对象，设置编码格式，帧率，图片高宽等
out = cv.VideoWriter('outpy.avi',
                     cv.VideoWriter_fourcc('M','J','P','G'),
                    10,
                    (width,heigth))

# 获取第一帧
# ret为是否成功打开摄像头,true,false。
# frame为视频的每一帧图像
ret, frame = camera.read()

'''
利用鼠标移动截取感兴趣区域ROI：
OpenCV-python自带 API 可直接选择矩形区域作为ROI，
该API位于目标追踪模块，
主要是cv2.selectROI()函数
windowName：选择的区域被命名
showCrosshair：是否在矩形框里画十字线. 
fromCenter：是否是从矩形框的中心开始画
'''
roi = cv.selectROI(windowName='roi', img=frame, showCrosshair=False, fromCenter=False)
min_x, min_y, width, height = roi

# 销毁第一帧显示窗口
cv.destroyAllWindows()

# 设计目标位置(行，高，列，宽)
track_window=(min_x,min_y,height,width)

# 计算ROI区域的直方图
roi = frame[min_y:min_y+height,min_x:min_x+width]
hsv_roi=cv.cvtColor(roi,cv.COLOR_BGR2HSV)
roi_hist=cv.calcHist([hsv_roi],[0],None,[255],[0.0,255.0])
cv.normalize(roi_hist,roi_hist,0,255,cv.NORM_MINMAX)

#目标追踪 设置窗口搜索终止条件，最大迭代次数，窗口中心漂移最小值
term_crit = (cv.TERM_CRITERIA_EPS|cv.TERM_CRITERIA_COUNT,10,1)

while (camera.isOpened()):
  ret, frame = camera.read()

  # 摄像头是和人对立的，将图像左右调换回来正常显示。
  frame = cv.flip(frame, 1)

  while not ret:# 如果获取失败，结束本次循环
    break 

  # 计算直方图的反向投影
  hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
  dst = cv.calcBackProject([hsv],[0],roi_hist,[0,255],1)

  # meanshift追踪
  if TargetTrackingMode == 'meanshift':
      ret, track_window = cv.meanShift(dst,track_window,term_crit)
      # 将追踪的位置绘制在视频上
      x,y,w,h = track_window
      img_addROI = cv.rectangle(frame,(x,y),(x+w,y+h),255,2)

  # camshift追踪
  if TargetTrackingMode == 'camshift':
      ret, track_window = cv.CamShift(dst, track_window, term_crit)
      pts = cv.boxPoints(ret)
      pts = np.int0(pts)
      img_addROI = cv.polylines(frame,[pts],True,255,2)

  # 显示图像
  cv.imshow('ImgandROI',img_addROI)
  #保存图像
  out.write(img_addROI)

  # cv.waitKey(k),其中k太小就会非常快，太大播放的就会非常慢捕获并显示一帧，按键后捕获并显示新的一帧
  # cv2.waitKey(0)  
  # 键入q 0xFF == ord('q')，键入Esc 0xFF == 27
  if cv.waitKey(25) & 0xFF == 27:
    break # 结束当前循环

camera.release()
cv.destroyAllWindows()