opencv 速度慢_OpenCV中的目标跟踪算法

目前OpenCV4.2版本中自带了8个目标跟踪算法的实现。

• BOOSTING：算法原理类似于Haar cascades (AdaBoost)，是一种很老的算法。这个算法速度慢并且不是很准。

• MIL：比BOOSTING准一点。

• KCF：速度比BOOSTING和MIL更快，与BOOSTING和MIL一样不能很好地处理遮挡问题。

• CSRT：比KCF更准一些，但是速度比KCF稍慢。

• MedianFlow：对于快速移动的目标和外形变化迅速的目标效果不好。

• TLD：会产生较多的false-positives。

• MOSSE：算法速度非常快，但是准确率比不上KCF和CSRT。在一些追求算法速度的场合很适用。

• GOTURN：OpenCV中自带的唯一一个基于深度学习的算法。运行算法需要提前下载好模型文件。

综合算法速度和准确率考虑，个人觉得CSRT、KCF、MOSSE这三个目标跟踪算法较好。

使用OpenCV来目标跟踪

新建文件opencv_objecttracking.py。代码如下，首先使用TrackerXXX_create()方法创建目标跟踪类对象，然后调用tracker.init方法初始化需要跟踪的目标，这里使用了cv2.selectROI来手动选择目标框，然后使用tracker.update方法来跟踪目标，最后将跟踪结果可视化出来。

# import the necessary packagesfrom imutils.video import V