opencv实现运动追踪（2）

最新推荐文章于 2024-01-26 18:18:43 发布
最新推荐文章于 2024-01-26 18:18:43 发布
阅读量1.4w 收藏 34
点赞数 9
分类专栏： opencv 图形图像 文章标签： opencv 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011630458/article/details/45895649
版权

简介

　　本篇继续讲解opencv上使用BackgroundSubtractorGMG，进行运动物体跟踪，并将跟踪到运动物体用圆框选起来。本篇是基于opecncv官方实例：
bgfg_gmg.cpp，进行讲解和修改。

BackgroundSubtractorGMG使用

具体代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include "opencv2/core/core.hpp"                                                                                                     
#include "opencv2/video/background_segm.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/legacy/legacy.hpp"
 
#include <stdio.h>
#include <stdlib.h>
#include <ctype.h>
 
using namespace cv;
 
int main(int argc, char** argv){
    Mat frame, fgmask, segm;
 
    Ptr<BackgroundSubtractorGMG> fgbg = Algorithm::create<BackgroundSubtractorGMG>("BackgroundSubtractor.GMG");
    if (fgbg.empty()){
        std::cerr << "Failed to create BackgroundSubtractor.GMG Algorithm." << std::endl;
        return -1;
    }
 
    fgbg->set("initializationFrames", 20);
    fgbg->set("decisionThreshold", 0.7);
 
    VideoCapture cap;
    cap.open(argv[1]);
    if (!cap.isOpened()){
        std::cerr << "Cannot read video. Try moving video file to sample directory." << std::endl;
        return -1;
    }
    namedWindow("FG Segmentation", WINDOW_NORMAL);
    for (;;){
	if (!cap.read(frame)){
	   break;
	}
 
	(*fgbg)(frame, fgmask);
 
        frame.copyTo(segm);
	IplImage ImaskCodeBook = fgmask;
	cvSegmentFGMask(&ImaskCodeBook);
        add(frame, Scalar(100, 100, 0), segm, fgmask);
 
        imshow("FG Segmentation", segm);
        imshow("mask", fgmask);
 
        int c = waitKey(30);
        if (c == 'q' || c == 'Q' || (c & 255) == 27)
            break;
    }
 
    return 0;
}

代码讲解

　　1、首先定义一个BackgroundSubtractorGMG结构，并设置它最开始初始化帧数为20，算法阀值参数为0.7

    Ptr<BackgroundSubtractorGMG> fgbg = Algorithm::create<BackgroundSubtractorGMG>("BackgroundSubtractor.GMG");
    if (fgbg.empty()){
        std::cerr << "Failed to create BackgroundSubtractor.GMG Algorithm." << std::endl;
        return -1;
    }
 
    fgbg->set("initializationFrames", 20);
    fgbg->set("decisionThreshold", 0.7);
　　2、打开视频文件到cap中。

VideoCapture cap;
    cap.open(argv[1]);
    if (!cap.isOpened()){
        std::cerr << "Cannot read video. Try moving video file to sample directory." << std::endl;
        return -1;
    }
　　3、取出图像中数据，使用(*fgbg)一帧一帧的进行跟踪处理，将处理后跟踪到的运动物体位置，保存到fgmask中。接着使用cvSegmentFGMask
做连通域分割，最后把fgmask作为掩码，将当前帧中运动物体颜色修改为：Scalar(100, 100, 0)，并保存到segm中，最后将图像segm和掩码fgmask
都实时显示出来。

        if (!cap.read(frame)){
	   break;
	}
 
	(*fgbg)(frame, fgmask);
 
        frame.copyTo(segm);
	IplImage ImaskCodeBook = fgmask;
	cvSegmentFGMask(&ImaskCodeBook);
        add(frame, Scalar(100, 100, 0), segm, fgmask);
 
        imshow("FG Segmentation", segm);
        imshow("mask", fgmask);

效果演示

　　对应的效果演示如下：

框选运动目标

　　继续我们要做的下一步，是在之前基础上进行修改，在原video文件播放时候，用圆框选出运动目标。

具体代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include "opencv2/core/core.hpp"                                                                                                     
#include "opencv2/video/background_segm.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/legacy/legacy.hpp"
 
#include <stdio.h>
#include <stdlib.h>
#include <ctype.h>
 
using namespace cv;
 
int main(int argc, char** argv){
    Mat frame, fgmask, segm, find_circle;
	vector<vector<Point> > contours;
	vector<Vec4i> hierarchy;
 
    Ptr<BackgroundSubtractorGMG> fgbg = Algorithm::create<BackgroundSubtractorGMG>("BackgroundSubtractor.GMG");
    if (fgbg.empty()){
        std::cerr << "Failed to create BackgroundSubtractor.GMG Algorithm." << std::endl;
        return -1;
    }
 
    fgbg->set("initializationFrames", 20);
    fgbg->set("decisionThreshold", 0.7);
 
    VideoCapture cap;
    cap.open(argv[1]);
    if (!cap.isOpened()){
        std::cerr << "Cannot read video. Try moving video file to sample directory." << std::endl;
        return -1;
    }
    namedWindow("FG Segmentation", WINDOW_NORMAL);
	for (;;){
		if (!cap.read(frame)){
			break;
		}
 
		(*fgbg)(frame, fgmask);
 
                frame.copyTo(segm);
		IplImage ImaskCodeBook = fgmask;
		cvSegmentFGMask(&ImaskCodeBook);
		fgmask.copyTo(find_circle);
 
		findContours(find_circle, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
		vector<vector<Point> > contours_poly( contours.size());
		vector<Point2f>center( contours.size());
		vector<float>radius( contours.size());
		for( int i = 0; i < contours.size(); i++){
			approxPolyDP( Mat(contours[i]), contours_poly[i], 3, true);
			minEnclosingCircle( contours_poly[i], center[i], radius[i]);
		}
		for(int i = 0; i< contours.size(); i++ ){
			circle(segm, center[i], (int)radius[i], Scalar(100, 100, 0), 2, 8, 0);	
		}
 
        imshow("FG Segmentation", segm);
        imshow("mask", fgmask);
 
        int c = waitKey(30);
        if (c == 'q' || c == 'Q' || (c & 255) == 27)
            break;
    }
 
    return 0;
}

代码讲解

　　这里主要多加了的操作步骤，就是对(*fgbg)(frame, fgmask);处理生成的掩码图像fgmask进行轮廓探测，然后根据探测结果，生成出可以框选住该轮廓
的圆的坐标与直径，之后在原图像中根据这个坐标和直径，框选好该运动目标。

                findContours(find_circle, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
		vector<vector<Point> > contours_poly( contours.size());
		vector<Point2f>center( contours.size());
		vector<float>radius( contours.size());
		for( int i = 0; i < contours.size(); i++){
			approxPolyDP( Mat(contours[i]), contours_poly[i], 3, true);
			minEnclosingCircle( contours_poly[i], center[i], radius[i]);
		}
		for(int i = 0; i< contours.size(); i++ ){
			circle(segm, center[i], (int)radius[i], Scalar(100, 100, 0), 2, 8, 0);	
		}

效果演示

　　效果演示如下：
羽凌寒
关注
  • 9
    点赞
  • 踩
  • 34
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python+opencv实现动态物体追踪
12-25
简单几行就可以实现对动态物体的追踪，足见opencv在图像处理上的强大。 python代码： import cv2 import numpy as np camera=cv2.VideoCapture(0) firstframe=None while True: ret,frame = camera.read() if not ret: break gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) gray=cv2.GaussianBlur(gray,(21,21),0) if firstframe is None:
opencvfor unity 很好用的插件
12-02
OpenCV for Unity 2.4.0 (从 Unity Asset Store 得到)，可将OpenCV图像识别算法应用于Unity，并几乎对全平台支持，已经使用Unity 2019.4.2.f1测试通过。 【注意】导入后务必阅读ReadMe.pdf并按照其中的要求进行配置（在更新日志后面的Quick setup procedure...部分），否则将有部分功能无法正常使用！
OpenCV项目实践——物体检测与跟踪
最新发布
欢迎来到“Python算法探索”，我是GT算法工程师，一名热爱计算机算法的博主。在这里，我们将一起深入探索Python世界中的各种算法，从基础到高级，从理论到实践。我参加过很多算法比赛，积累了丰富的经验，希望通过这个播客与你分享。让我们一起用Python探
01-26 488
本文将带领你完成一个基于OpenCV的物体检测与跟踪项目。我们将使用OpenCV的强大功能，从基础物体检测到动态跟踪，逐步深入探索计算机视觉的奥秘。通过这个项目，你将了解物体检测与跟踪的基本原理、方法和技术，并亲自动手实现一个实用的物体检测与跟踪系统。
opencv选取目标
qq_34798326的博客
07-25 384
好久没发了，当初自己在代码上做的笔记，现在想再用的时候，知识点没记住，代码也找不到了。还是自己整理下比较靠谱，虽然都是最简单的内容。 opencv在图片上画圆圈： cvCircle(CvArr* img, CvPoint center,int radius, CvScalar color, int thickness=1, int lineType=8, intshift=0) img为图像
python-opencv第五期：rectangle函数详解
热门推荐
追星，但也不要忘了土地
10-23 1万+
rectangle函数的主要作用是给指定的区域加上矩形边框，使图片即将要处理的目标区域可视化，这样就便于我们对要目标区域在处理时，有了一个同步的了解，便于我们在调试的同时查找问题所在。（双密码，双空间，工作生活分别存储，互不干扰。记住：跑得快不一定赢，不跌跟头才是成功。8***钛金rectangle）
python-opencv-鼠标事件-画框圈定目标
aibotlab的博客
01-07 1万+
python-opencv-鼠标事件-画框圈定目标1、python-opencv-鼠标事件-画框圈定目标在视频/相机中，用鼠标画矩形框，圈定目标，从而获得鼠标的起始坐标点a、终止坐标点b# -*- coding: utf-8 -*- """ Created on Tue Dec 27 09:32:02 2016@author: User """ import cv2 import numpy as
OpenCV for Unity使用深度学习神经网络进行图像识别对象检测
zouxin_88的专栏
11-29 3277
3.打开场景Assets\OpenCVForUnity\Examples\MainModules\dnn\YoloObjectDetectionExample\YoloObjectDetectionWebCamTextureExample.unity。1.打开Assets\OpenCVForUnity\StreamingAssets\dnn\setup_dnn_module.pdf。6.也可以自己训练数据集进行识别，下图是口罩识别。5.运行测试，可以看到物体被检测出来了。4. 配置Dnn参数。
OPenCVForUnity之MultiObjectTrackingBasedOnColorExample
qq_36829039的博客
04-27 284
MultiObjectTrackingBasedOnColorExample是一个基于颜色的多目标跟踪示例，使用了 OpenCV 中的。具体来说，该示例首先从视频或摄像头输入中读取帧，然后将每一帧转换为 HSV 颜色空间，并使用。函数根据设定的颜色范围提取出颜色区域。函数来检测颜色区域和轮廓信息，使用。函数寻找颜色区域的轮廓信息，并使用。类对每个目标进行跟踪。类进行目标跟踪，使用。
物体追踪实战：使用 OpenCV实现对指定颜色的物体追踪
AI浩
12-18 3861
本文实现对特定颜色的物体追踪，我实验用的是绿萝的树叶。 新建脚本ball_tracking.py，加入代码： import argparse from collections import deque import cv2 import numpy as np 导入必要的包,然后定义一些函数 def grab_contours(cnts): # 如果 cv2.findContours 返回的轮廓元组的长度为“2”，那么我们使用的是 OpenCV v2.4、v4-beta 或 v4-official
opencv物体目标追踪
qq_36784503的博客
01-31 853
opencv中总共有8种目标跟踪算法，分别是BOOSTING、MIL、KCF、TLD、MEDIANFLOW、GOTURN、CSRT和MOSSE。每种算法对opencv的版本各有要求，需要注意。
Android+OpenCV实现目标检测和目标追踪（Java实现）
04-12
在Android平台基于OpenCV实现目标检测和目标追踪。 目标检测包括功能：人脸检测、眼睛检测、微笑检测、上半身检测、下半身检测和全身检测。 目标追踪包括功能：CamShift算法实现目标追踪。 项目代码可直接编译运行~
Python+OpenCV目标跟踪实现基本的运动检测
09-20
主要为大家详细介绍了Python+OpenCV目标跟踪实现基本的运动检测，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
如何用OpenCV -python3实现视频物体追踪
09-18
OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。这篇文章主要介绍了如何用OpenCV -python3实现视频物体追踪,需要的朋友可以参考下
【计算机视觉】---OpenCV实现物体追踪
weixin_43504942的博客
06-04 2007
物体追踪的目标是在连续的图像序列中定位和跟踪特定物体的位置。
使用 OpenCV 进行对象跟踪
小白学视觉
05-19 648
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达介绍OpenCV 是一个很好的处理图像和视频的工具。无论你是想让你的照片呈现 90 年代的黑白效果，还是执行复杂的数学运算，OpenCV 都可以随时为你服务。如果你对计算机视觉感兴趣，则必须具备 OpenCV 的知识。该库包含 2500 多种优化算法，可用于执行各种任务。它被谷歌、微软、IBM 等许多行业巨头使用，并被广泛用于研...
OpenCV实例（八）行人跟踪
小幽余生不加糖
04-22 1404
目标跟踪是对摄像头视频中的移动目标进行定位的过程，它有着广泛的应用，本章将介绍这一主题。实时目标跟踪是许多计算机视觉应用的重要任务，例如监控（surveillance）、基于感知的（perceptual）用户界面、增强现实、基于对象的视频压缩以及辅助驾驶等。可用多种方式实现目标跟踪，而最优的跟踪技术在很大程度跟具体任务有关。为了跟踪视频中的所有目标，首先要完成的任务是识别视频帧中那些可能包含移动目标的区域。有很多实现视频目标跟踪的方法，这些方法的目的稍微不同。
OpenCV快速入门：移动物体检测和目标跟踪
92岁高龄码农的博客
11-27 4445
本文将介绍使用OpenCV进行移动物体检测和目标跟踪的基础知识，包括各种算法的原理、公式和实际代码实现。我们将从移动物体检测的基本概念开始，深入探讨不同类型的目标跟踪方法，如基于模板、特征、密度、模型和学习的跟踪技术。
OpenCV-Python中的图像处理-物体跟踪
SongYuLong
08-09 1879
现在我们知道怎样将一幅图像从 BGR 转换到 HSV 了，我们可以利用这一点来提取带有某个特定颜色的物体。在 HSV 颜色空间中要比在 BGR 空间中更容易表示一个特定颜色。在我们的程序中，我们要提取的是一个蓝色的物体。• 获取蓝色物体，当然我们还可以做其他任何我们想做的事，比如：在蓝色。• 设置 HSV 阈值到蓝色范围。• 将图像转换到 HSV 空间。• 从视频中获取每一帧图像。
如何使用OpenCV进行目标检测和跟踪？
m0_60720471的博客
03-07 3324
使用OpenCV进行目标检测和跟踪的常见方法是使用Haar Cascade分类器进行对象检测，使用OpenCV的目标跟踪API进行目标跟踪。
opencv怎么捕捉异常
05-17
在 OpenCV 中，捕获异常的最佳方法是使用 try-catch 语句。当您尝试执行某些可能会引发异常的操作时，可以将它们放在 try 块中。然后，您可以在 catch 块中捕获特定的异常类型并执行适当的操作。 以下是一个捕获 OpenCV 异常的示例： ```c++ try { // 执行可能会抛出异常的操作 cv::Mat image = cv::imread("image.jpg"); // 检查图像是否为空 if (image.empty()) { throw std::runtime_error("Failed to open image"); } // 处理图像 cv::imshow("Image", image); cv::waitKey(0); } catch (const std::exception& e) { // 捕获并处理异常 std::cerr << "Error: " << e.what() << std::endl; } ``` 在这个例子中，我们尝试读取一个图像并显示它。如果图像为空，我们会抛出一个 `std::runtime_error` 异常。在 catch 块中，我们捕获这个异常并输出错误消息。 请注意，OpenCV 中的异常可能会抛出多种类型的异常，包括 `cv::Exception`，`std::exception` 和其他一些类型。因此，您可以根据需要使用多个 catch 块来捕获不同类型的异常。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值