目标跟踪是计算机视觉中的一个重要研究方向，有着广泛的应用，如：视频监控，无人驾驶等。
本文介绍的目标跟踪方法，即通过Opencv-Python中的图像处理方法，实现对摄像头视频中移动目标的简单定位，并进行后续处理。
1. 运动目标跟踪
实现当摄像头中物体移动时，绘制对应的区域的边界框，并进行跟踪检测。import cv2
import numpy as np
getStructuringElement
camera = cv2.VideoCapture(0)
”’
cv2.getStructuringElement(shape, ksize[, anchor]) → retval
Returns a structuring element of the specified size and shape for morphological operations.
Parameters:
shape – Element shape that could be one of the following:
(1) MORPH_RECT – a rectangular structuring element:
(2)MORPH_ELLIPSE – an elliptic structuring element, that is, a filled ellipse inscribed into the rectangle Rect(0, 0, esize.width, 0.esize.height)
(3) MORPH_CROSS – a cross-shaped structuring element
(4)CV_SHAPE_CUSTOM – custom structuring element (OpenCV 1.x API)
ksize – Size of the structuring element.
”’
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (10,10))
kernel = np.ones((5,5),np.uint8)
background = None
while (True):
ret, frame = camera.read() #读取一帧太虚想
if background is None:
background = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
background = cv2.GaussianBlur(background, (21, 21), 0)
continue
#将帧转换为灰阶
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
”’
对灰度图像进行高斯模糊处理
实际应用中，每个输入的视频都会因自然振动、光照变化或摄像头本身等原因产生噪声。平滑处理能减少在运动和跟踪时产生的噪声
”’
gray_frame = cv2.GaussianBlur(gray_frame, (21, 21), 0)
#完成对帧的灰度转换和平滑后，就可计算与背景帧的差异，并获取一个差分图
diff = cv2.absdiff(background, gray_frame)
#利用阈值来获取黑白图像
diff = cv2.threshold(diff, 80, 255, cv2.THRESH_BINARY)[1]
#通过膨胀(dilate)，对孔和缺陷进一步处理
diff = cv2.dilate(diff, es, iterations = 2)
#获取图像中的目标轮廓
image, cnts, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
#给目标轮廓绘制对应的边界框
for c in cnts:
if cv2.contourArea(c) < 1500:
continue
(x, y, w, h) = cv2.boundingRect(c)
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 0), 2)
#显示图像
cv2.imshow(“contours”, frame)
cv2.imshow(“dif”, diff)
if cv2.waitKey(100) & 0xff == ord(“q”):
break
camera.release()
cv2.destroyAllWindows()
2. 实验结果
对于简单目标，该跟踪结果相当准确，但是，该方法需要提前设置“默认”帧作为背景。在一些情况下，由于光照变化频繁，这种处理方法就显得很不灵活，因此，需要在系统中引入更智能的方法，即：背景分割器。
注意：本站所有文章除特别说明外，均为原创，转载请务必以超链接方式并注明作者出处。