opencv (opencv_contrib) 实现目标跟踪

opencv (opencv_contrib) 实现目标跟踪

前提

需要安装 opencv 和 opencv_contrib。

请参考文章：linux 下 opencv_contrib 源代码编译方法

为什么需要跟踪？

通常跟踪比检测快

单目标检测速度可能为 100+ ms，而单目标跟踪的速度为 10+ ms。

目标跟踪可以基于前一帧检测的位置，运动方向，速度预测下一帧的位置。并围绕预期位置进行小范围搜索以准确定位物体。

比无依赖直接进行检测会快很多。

一个高效的系统应该通常会在 n 帧的第一帧进行使用检测算法进行目标检测，此后 n - 1 帧使用跟踪算法。

为什么不基于第一次检测结果的基础上，后续全部使用跟踪算法？

因为跟踪在遇到遮挡，运动方向和速度高速变化以致于跟踪算法跟不上时，可能会导致跟踪失败。

而且跟踪在一定程度上会有误差参数，误差一直积累下去时，会导致跟踪偏离原始目标。

所以需要检测算法对目标进行修正，一定程度上避免跟踪误差的积累。

当检测失败时，跟踪可以提供帮助

检测在目标被遮挡时，会检测失败。

而一个好的跟踪算法，还能依靠前面帧的位置，方向，速度信息，预测当前的目标。

一定程度上解决一些遮挡问题、

目标跟踪

opencv （opencv_contrib 模块） 目前支持 8 种跟踪算法。

跟踪算法	opencv 支持的最低版本	说明
Boosting	opencv 3.0.0	比较古老的目标跟踪算法，速度慢
MIL	opencv 3.0.0	速度快，但是失败率较高
KCF	opencv 3.1.0	比 Boosting 和 MIL 快，但是遮挡情况下效果差
TLD	opencv 3.0.0	（TLD 目前有 3 种版本算法。TLD 1.0，TLD 2.0，TLD 3.0。opencv 的 TLD 跟踪效果较差，怀疑是基于 TLD 1.0 算法实现的）
MedianFlow	opencv 3.0.0	跟踪效果较好，但对于快速移动/跳动的物体容易失败。
GOTURN	opencv 3.2.0	基于深度学习的目标检测器。需要额外的 GOTURN 模型，可以自行训练目标跟踪模型。
MOSSE	opencv 3.4.1	速度比其它算法快，但是准确率比 CSRT 和 KCF 低。
CSRT	opencv 3.4.2	准确率比 KCF 稍高，但速度不如 KCF。

建议：

• CSRT：如果可以接受较慢速度下，追求高准确度。
• KCF：速度要求稍高，准确度要求不高。
• MOSSE：只要求高速，不要