文章目录

• 一、项目思路
• 二、问题清单
• 三、算法详解
• • 3.1、定义目标追踪算法
  • 3.2、初始化追踪器
  • 3.3、更新目标追踪器
  • 3.4、绘制目标矩形框
  • 3.5、人工标注感兴趣目标
  • • 3.5.1、标注ROI区域
    • 3.5.2、截取ROI区域
• 四、项目实战：单目标 - 实时追踪
• 五、项目实战：多目标 - 实时追踪

多目标 - 实时追踪

一、项目思路

单目标追踪：

1. 参数设置
2. 读取视频，读取帧图像
3. 设置视频保存参数
4. 手动选择追踪目标
5. 选择追踪算法
6. 实例化单目标追踪器
7. 循环读取帧图像
8. 矩形框标记目标
9. 实时更新动态框
10. 显示图像

多目标追踪：

1. 参数设置
2. 构建追踪算法列表
3. 实例化多目标追踪器
4. 读取视频
5. 循环读取帧图像
6. 对视频进行等比例缩放
7. 手动选择追踪目标
8. 矩形框标记目标
9. 实时更新动态框
10. 显示图像

二、问题清单

BUG1：module 'cv2' has no attribute 'legacy'

• 原因：opencv_python 和 opencv_contrib-python 的版本不一致问题
• 解决：安装与opencv_python相同版本的opencv_contrib-python。参考文献

BUG2：module 'cv2' has no attribute 'TrackerCSRT_create'

• 原因：新版本的opencv_contrib-python中，一些函数被取消。
• 解决：通过cv2.legacy来调用这些函数。如：将cv2.TrackerBoosting_create改为cv2.legacy.TrackerBoosting_create。参考文献

机器学习进阶-目标跟踪-KCF目标跟踪方法
计算机视觉项目-实时目标追踪

三、算法详解

OpenCV学习笔记15-目标跟踪算法介绍及实战

3.1、定义目标追踪算法

定义不同的目标追踪算法(不含深度学习)：

3.2、初始化追踪器

trackers = cv2.legacy.MultiTracker_create()		# 使用多目标追踪器
tracker = cv2.legacy.TrackerCSRT_create()		# 使用csrt追踪算法

3.3、更新目标追踪器

函数说明：success, boxes = trackers.update(frame)
输入参数：		frame：		传入的图像
输出参数：		success：	是否追踪成功boxes：		追踪到的目标框

3.4、绘制目标矩形框

(x, y, w, h) = [int(ii) for ii in boxes]						# 获取目标位置
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)		# 矩形框标出动态目标		
cv2.imshow('frame', frame)										# 实时显示追求目标

3.5、人工标注感兴趣目标

函数说明：[min_x, min_y, w, h] = cv2.selectROI(windowName, img, showCrosshair, fromCenter)
输入参数：windowName：		选择的区域被显示在的窗口的名字img：				要在什么图片上选择ROIshowCrosshair：		是否在矩形框里画十字线，默认为True。fromCenter：		是否是从矩形框的中心开始画，默认为False。
输出参数：min_x				为矩形框中最小的x值，左上角min_y				为矩形框中最小的y值，左上角w					为这个矩形框的宽h					为这个矩形框的高
# 备注：选好区域后，按空格或者Enter完成选择；换区域的时候直接通过鼠标重新选择即可

3.5.1、标注ROI区域

import cv2
image = cv2.imread('blank_write.jpg')
im = cv2.selectROI(windowName='img', img=image, showCrosshair=False, fromCenter=False)
print(im)
cv2.waitKey(1)

3.5.2、截取ROI区域

import cv2
image=cv2.imread('blank_write.jpg')
im = cv2.selectROI(windowName='img', img=image, showCrosshair=True, fromCenter=False)
print(im)
img_roi = image[int(im[1]):int(im[1]+im[3]), int(im[0]):int(im[0]+im[2])] 
cv2.imshow("imageHSV",img_roi)
cv2.waitKey(0)

四、项目实战：单目标 - 实时追踪

import cv2# 设置参数
video_load_path = r'C:\Users\my\Videos\football.mp4'  	# 视频存放地址
video_save_path = r'C:\Users\my\Videos\football2.mov'  	# 视频存放地址if __name__ == '__main__':cap = cv2.VideoCapture(video_load_path)			# 读取视频流ret, frame = cap.read()							# 读取帧图像frame_width = int(cap.get(3))					# 获取图像宽,并转换为整数	frame_height = int(cap.get(4))					# 获取图像高,并转换为整数	# 创建保存视频的对象（设置编码格式，帧率，图像的宽高等）out = cv2.VideoWriter(video_save_path, cv2.VideoWriter_fourcc('D', 'I', 'V', 'X'), 10, (frame_width, frame_height))bbox = cv2.selectROI('frame', frame, fromCenter=False, showCrosshair=True)		# 人工标注感兴趣目标tracker = cv2.legacy.TrackerCSRT_create()		# 使用csrt算法tracker.init(frame, bbox)						# 初始化trackerwhile True:_, frame = cap.read()						# 读取帧图像if frame is None:							# 如果读到的帧数不为空，则继续读取；如果为空，则退出。breakbool_para, box = tracker.update(frame)		# 由于物体运动，需要动态的根据物体运动更新矩形框if bool_para:								# 若读取成功，我们就定位画框，并跟随(x, y, w, h) = [int(ii) for ii in box]cv2.rectangle(frame, pt1=(int(x),int(y)), pt2=(int(x)+int(w), int(y)+int(h)), color=(0, 255, 0), thickness=2)cv2.imshow('frame', frame)				# 实时显示追求目标out.write(frame)            			# 将每一帧图像写入到输出文件中# 使用 waitKey 可以控制视频的播放速度。数值越小，播放速度越快。if cv2.waitKey(1) == ord(' '):	# ord(' '): 按空格结束breakcap.release()				# 释放摄像头out.release()				# 释放摄像头cv2.destroyAllWindows()		# 摧毁所有图窗

五、项目实战：多目标 - 实时追踪

import argparse
import cv2# （1）参数设置（视频存放地址 + 指定追踪器类型）
ap = argparse.ArgumentParser()
ap.add_argument('-v', '--video', type=str, default='01.mp4', help='path to input video file')
ap.add_argument('-t', '--tracker', type=str, default='kcf', help='Opencv object tracker type')
args = vars(ap.parse_args())# （2）构造Opencv的追踪算法列表
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
}# （3）实例化多目标追踪器
trackers = cv2.legacy.MultiTracker_create()# （4）读取视频
vs = cv2.VideoCapture(args['video'])while True:# （5）读取帧图像frame = vs.read()		# frame=[bool, data]frame = frame[1]		# 获取帧图像# 若视频播放结束，则跳出if frame is None:break# （6）使用cv2.resize对图像进行长宽的放缩操作h, w = frame.shape[:2]			# 获取帧图像的高宽width = 300						# 视频缩放到指定大小r = width / float(w)			# 缩放比例dim = (width, int(r * h))		# 缩放后的尺寸frame = cv2.resize(frame, dim, cv2.INTER_AREA)# （7）由于物体运动，需要根据物体的动态运动更新矩形框(success, boxes) = trackers.update(frame)# （8）循环多组矩形框，进行画图操作for box in boxes:(x, y, w, h) = [int(v) for v in box]							# 获取动态目标的位置cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)		# 矩形框标出动态目标# （9）显示图像cv2.imshow('Frame', frame)# （10）英文输入下：先按s暂停视频，然后手动选择一个区域，最后按空格键开始播放（可多次重复操作，添加多个追踪目标）key = cv2.waitKey(100) & 0xffif key == ord('s'):box = cv2.selectROI('Frame', frame, fromCenter=False, showCrosshair=True)tracker = OPENCV_OBJECT_TRACKERS[args['tracker']]()		# 创建追踪器trackers.add(tracker, frame, box)						# 添加追踪器elif key == 27:breakvs.release()
cv2.destroyAllWindows()