项目实战-目标追踪:AttributeError: module ‘cv2‘ has no attribute ‘TrackerBoosting_create‘
来源:https://github.com/yoohaythem/OpenCV/issues/2
问题描述:
错误描述:在利用opencv库做目标跟踪时,报错如下:
AttributeError: module ‘cv2’ has no attribute ‘TrackerBoosting_create’
AttributeError: module ‘cv2’ has no attribute ‘TrackerTLD_create’
AttributeError: module ‘cv2’ has no attribute ‘TrackerMedianFlow_create’
AttributeError: module ‘cv2’ has no attribute ‘TrackerMOSSE_create’
AttributeError: module ‘cv2.cv2‘ has no attribute ‘MultiTracker_create‘
原因分析:
报错原因:opencv版本包括4.5.1以上,都不支持这些函数。
解决方案:
解决方法:通过cv2.legacy来调用这些函数。
原始代码:
OPENCV_OBJECT_TRACKERS = {
"csrt": cv2.TrackerCSRT_create,
"kcf": cv2.TrackerKCF_create,
"boosting": cv2.TrackerBoosting_create,
"mil": cv2.TrackerMIL_create,
"tld": cv2.TrackerTLD_create,
"medianflow": cv2.TrackerMedianFlow_create,
"mosse": cv2.TrackerMOSSE_create
}
trackers = cv2.MultiTracker_create() # 实例化OpenCV's multi-object tracker
改动后代码:
OPENCV_OBJECT_TRACKERS = {
"csrt": cv2.TrackerCSRT_create,
"kcf": cv2.TrackerKCF_create,
"boosting": cv2.legacy.TrackerBoosting_create,
"mil": cv2.TrackerMIL_create,
"tld": cv2.legacy.TrackerTLD_create,
"medianflow": cv2.legacy.TrackerMedianFlow_create,
"mosse": cv2.legacy.TrackerMOSSE_create
}
trackers = cv2.legacy.MultiTracker_create() # 实例化OpenCV's multi-object tracker
运行代码后的又一个错误:
error: OpenCV(4.5.4) :-1 : error: (-5:Bad argument) in function ‘add’
Overload resolution failed:
Expected Ptrcv::legacy::Tracker for argument ‘newTracker’
Expected Ptrcv::legacy::Tracker for argument ‘newTracker’
报错原因:cv2.TrackerKCF_create()也发生了相应的变动,需要改成cv2.legacy.TrackerKCF_create
所以建议把整个字典OPENCV_OBJECT_TRACKERS 全部改为:
OPENCV_OBJECT_TRACKERS = {
"csrt": cv2.legacy.TrackerCSRT_create,
"kcf": cv2.legacy.TrackerKCF_create,
"boosting": cv2.legacy.TrackerBoosting_create,
"mil": cv2.legacy.TrackerMIL_create,
"tld": cv2.legacy.TrackerTLD_create,
"medianflow": cv2.legacy.TrackerMedianFlow_create,
"mosse": cv2.legacy.TrackerMOSSE_create
}
完整代码,关于目标追踪
import argparse
import cv2
# 配置参数
ap = argparse.ArgumentParser()
# -v或--video参数用于指定输入视频文件的路径。
# -t或--tracker参数用于指定所使用的目标跟踪器类型,默认为"kcf"。
ap.add_argument("-v", "--video", type=str, help="path to input video file")
ap.add_argument("-t", "--tracker", type=str, default="kcf", help="OpenCV object tracker type")
# 解析器会将这些参数保存在args变量中,以供脚本后续使用。
args = vars(ap.parse_args())
# opencv已经实现了的追踪算法
# "csrt": 基于稳定的噪声分析方法的跟踪器 (cv2.legacy.TrackerCSRT_create)。
# "kcf": 基于核相关滤波器的跟踪器 (cv2.legacy.TrackerKCF_create)。
# "boosting": 基于Boosting算法的跟踪器 (cv2.legacy.TrackerBoosting_create)。
# "mil": 多实例学习的跟踪器 (cv2.legacy.TrackerMIL_create)。
# "tld": 基于孪生跟踪框架的跟踪器 (cv2.legacy.TrackerTLD_create)。
# "medianflow": 中值流跟踪器 (cv2.legacy.TrackerMedianFlow_create)。
# "mosse": Minimum Output Sum of Squared Error (MOSSE)跟踪器 (cv2.legacy.TrackerMOSSE_create)。
OPENCV_OBJECT_TRACKERS = {
"csrt": cv2.legacy.TrackerCSRT_create,
"kcf": cv2.legacy.TrackerKCF_create,
"boosting": cv2.legacy.TrackerBoosting_create,
"mil": cv2.legacy.TrackerMIL_create,
"tld": cv2.legacy.TrackerTLD_create,
"medianflow": cv2.legacy.TrackerMedianFlow_create,
"mosse": cv2.legacy.TrackerMOSSE_create
}
# 创建一个多目标跟踪器,后续通过trackers.add()来新增。
trackers = cv2.legacy.MultiTracker_create()
# 创建一个视频捕捉对象
vs = cv2.VideoCapture(args["video"])
# 视频流
while True:
# 取当前帧
frame = vs.read()
# 第一个参数,也就是frame[0]代表视频是否被成功读取;第二个参数标识读取到的帧画面。
frame = frame[1]
# 到头了就结束
if frame is None:
break
# resize每一帧大小,等比例缩放图片至width = 600
(h, w) = frame.shape[:2]
width = 600
r = width / float(w)
dim = (width, int(h * r))
# 使用 cv2.INTER_AREA 插值方法进行插值。
frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA)
# 这行代码执行了一次目标跟踪器(trackers)的更新操作。这段代码返回两个值:
# success: 一个布尔值,表示目标跟踪是否成功。如果成功,通常意味着跟踪器能够找到并更新所有目标的位置。如果失败,可能表示目标已经离开视野或跟踪器丢失了目标。
# boxes: 一个包含了每个目标的边界框位置的列表。每个边界框通常表示为一个包含四个值的元组 (x, y, w, h),其中 (x, y) 是边界框的左上角坐标,而 (w, h) 是边界框的宽度和高度。
# 这个代码片段中,trackers 被用于跟踪视频帧中的目标,然后 success 和 boxes 用于检查跟踪的成功与否以及目标的位置信息。这通常用于实时目标跟踪应用中,以持续更新目标的位置。
(success, boxes) = trackers.update(frame)
# 绘制区域
for box in boxes:
(x, y, w, h) = [int(v) for v in box]
# 根据左上角和右下角位置信息,在当前帧上画出矩形框
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# 显示当前帧frame
cv2.imshow("Frame", frame)
# 从键盘输入缓冲区中读取按键事件,并将其存储在变量 key 中。具体操作如下:
# cv2.waitKey(100):这个函数等待一个键盘事件,等待时间为 100 毫秒。它会暂停程序的执行,等待用户按下键盘上的按键。如果在指定的时间内(这里是 100 毫秒)没有按键事件发生,函数会返回一个特殊的值 -1,表示等待超时。
# & 0xFF:这个操作是为了确保 key 的值是一个字节(8 位),因为在某些操作系统上,cv2.waitKey() 可能返回一个大于 255 的整数,表示特殊按键事件。通过进行与运算(&)并将结果截断为一个字节,可以确保 key 始终在 0 到 255 的范围内。
key = cv2.waitKey(100) & 0xFF
if key == ord("s"):
# 按s:选择一个区域
# 使用 OpenCV 的 selectROI 函数来交互式地选择图像帧中的一个感兴趣区域(ROI,Region of Interest)。具体参数含义如下:
# "Frame":这是选择框的窗口的标题,通常是显示图像帧的窗口标题。
# frame:这是当前帧的图像,你想要从中选择感兴趣区域的图像帧。
# fromCenter=False:这个参数指定选择框是否应该从中心开始。如果设置为 True,则选择框将从中心点开始,否则从左上角开始。
# showCrosshair=True:这个参数指定是否显示一个十字交叉标记,以帮助用户选择 ROI 区域。
# 一旦执行这个代码,它会打开一个新窗口,允许用户拖动鼠标来选择感兴趣区域。
# 当用户完成选择后,选择框的坐标和尺寸将存储在 box 变量中,通常是一个元组,包含 (x, y, w, h),其中 (x, y) 是选择框的左上角坐标,(w, h) 是选择框的宽度和高度。您可以使用这些坐标和尺寸来定义感兴趣区域,然后在后续处理中使用它。
box = cv2.selectROI("Frame", frame, fromCenter=False, showCrosshair=True)
# 在OPENCV_OBJECT_TRACKERS字典中,选择创建一个新的追踪器,由参数指定
tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]()
# 使用trackers.add(tracker, frame, box)将跟踪器添加到多目标跟踪器中。其中参数含义如下:
# tracker:要添加的跟踪器对象。
# frame:当前的图像帧,用于初始化跟踪器。
# box:感兴趣区域的初始边界框(ROI),通常是一个包含 (x, y, w, h) 的元组,定义了初始的位置和大小。
# 一旦添加了跟踪器,它就会开始跟踪位于初始边界框中的对象,并在后续帧中更新对象的位置。这样,您就可以实现多目标跟踪。
trackers.add(tracker, frame, box)
# 按ESC,退出
elif key == 27:
break
# 释放视频捕获对象 vs
vs.release()
# 关闭所有通过 OpenCV 打开的窗口
cv2.destroyAllWindows()
代码来源:
https://github.com/yoohaythem/OpenCV