opencv曝光算法_OpenCV实战 | 八种目标跟踪算法

虽然我们熟知的的质心追踪器表现得很好，但它需要我们在输入的视频上的每一帧运行一个目标探测器。对大多数环境来说，在每帧上进行检测非常耗费计算力。

所以，我们想应用一种一次性的目标检测方法，然后在之后的帧上都能进行目标追踪，使这一任务更加快速、更高效。

这里的问题是：OpenCV能帮我们达到这种目标追踪的目的吗？

答案是肯定的。

OpenCV目标追踪

首先，我们会大致介绍八种建立在OpenCV上的目标跟踪算法。之后我会讲解如何利用这些算法进行实时目标追踪。最后，我们会比较各个OpenCV目标追踪的效果，总结各种方法能够适应的环境。

八种OpenCV目标追踪安装

无人机拍摄的视频，用MedianFlow进行目标追踪

你可能会惊讶OpenCV竟然有八种不同的目标追踪工具，他们都可以运用到计算机视觉领域中。

这八种工具包括：

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，但是作为元老还是有必要提及的。(较低支持OpenCV 3.0.0)

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

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

CSRT Tracker：比KCF稍较精确，但速度不如后者。(较低支持OpenCV 3.4