python目标跟踪精度曲线图_Python+opencv3.4+Kalman滤波在视频中跟踪绘制运动目标,Pythonopencv34kalman,卡尔曼滤波,实现,物体,追踪,和,轨迹...

实验环境：

Python3.6+OpenCV3.4+pycharm2019

代码实现：

首先是一个

简单的不用kalman滤波的运动目标追踪代码

这里可以根据需要进行摄像头运动目标识别，只要把

camera = cv2.VideoCapture('./video/yellow_ball.mp4')

# 改成camera = cv2.VideoCapture(0) 就是摄像头内识别

完整代码：

from collections import deque

import numpy as np

import cv2

# imutils

import time

#设定阈值，HSV空间

redLower = np.array([11, 100, 100])

redUpper = np.array([20, 255, 255])

#初始化追踪点的列表

mybuffer = 64

pts = deque(maxlen=mybuffer)

#打开摄像头

camera = cv2.VideoCapture('./video/yellow_ball.mp4')

fourcc = cv2.VideoWriter_fourcc(*'XVID') # 保存文件为avi格式

fps = camera.get(cv2.CAP_PROP_FPS)

size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)), int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))) # 输出视频尺寸，长和宽

out = cv2.VideoWriter('new_yellow_ball.avi', fourcc, fps, size) # 输出视频

#等待两秒

time.sleep(2)

#遍历每一帧，检测红色瓶盖

while True:

#读取帧

(ret, frame) = camera.read()

if ret == False:

break

#判断是否成功打开摄像头

# if not ret:

# print('No Camera')

# break

#frame = imutils.resize(frame, width=600)

#转到HSV空间

hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

#根据阈值构建掩膜

mask = cv2.inRange(hsv, redLower, redUpper)

#腐蚀操作

mask = cv2.erode(mask, None, iterations=2)

#膨胀操作，其实先腐蚀再膨胀的效果是开运算，去除噪点

mask = cv2.dilate(mask, None, iterations=2)

#轮廓检测

cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]

#初始化瓶盖圆形轮廓质心

center = None

#如果存在轮廓

if len(cnts) > 0:

#找到面积最大的轮廓

c = max(cnt