OpenCV中运动与跟踪这一章节中,在前面的介绍中,主要给出了LK光流法,以及基于概率统计,窗口搜索的meanshif算法以及meanshif算法的改进版-camshift算法,这两天主要在看运动模板的跟踪运动方法,下面就简要的介绍下。
运动模板的方法是美国的MIT实验室提出来的,是一种有效的跟踪普通运动的方法,尤其可应用在姿态识别中。运动模板的方法首先需要的是知道物体的轮廓,而轮廓的获取可以有很多的方法,关于轮廓的获取的方法在此不做多余的赘述。
运动模板的方法程序的大致编程思路应该是是这样的:获得当前帧与上一帧的差,然后对差图像进行二值化;更新运动历史图像;然后计算运动历史图像的梯度方向,并将整个运动分割为独立的运动部分,在用一个结构序列标记每一个运动分割,最后计算出选择区域的全局运动方向,从而获得运动目标的质心位置与运动方向。
关于上面的思路,给出几个主要的函数,对其参数进行介绍。
void cvUpdateMotionHistory(
const CvArr* silhouette,//非0像素代表前景物体的最新的分割轮廓
CvArr* mhi,//运动模板,也即运动历史图像
double timestamp,//当前系统时间
double duration//运动跟踪的最大持续时间
);
一旦运动模板记录了不同时间的物体轮廓,就快成用计算mhi图像的梯度来获取全局运动信息。即有函数:
void cvCalcMotionGradient(
const CvArrs* mhi,//运动历史图像
CvArr* mask,//非0值代表此点处的梯度有效
CvArr* orientation,//每一点梯度方向的角度
double delta1,
double delta2,//delta1,2分别是允许的最小和最大梯度值
int aperture_size=3//设置梯度算子的宽和高
);
梯度方向求出后,即可以计算全局运动方向,给出如下函数:
double cvCalcGlobalOrientation(
const CvArr* orientation,
const CvArr* mask,
const CvArr* mhi,//前三个参数都是根据上面两个函数得出来的
double timestamp,
double duration
);
关于运动模板后面的数学原理,我其实还没找到相关的文献阅读,有些数学原理地方不是特别明白。下面给出完整的运动模板示例程序。
#include "opencv2/video/tracking.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include <time.h>
#include <stdio.h>
#include <ctype.h>
//不同的跟踪参数
const