OpenCV_目标追踪

看到了大佬的微信公共号发布了一篇关于OpenCV目标追踪的文章，于是便决定自己来时操作下。大佬公共号是[皮皮科克]：

原文如下：OpenCV案例【31】目标追踪

一、目标追踪介绍

OpenCV 中的目标追踪，简单来说就是让计算机在视频的第一帧“认识”一个物体后，能在后续所有的画面中自动锁定并跟随它。这项技术广泛应用于视频监控、自动驾驶、人机交互和医疗影像分析等领域。

二、OpenCV 中的主要追踪算法

简单来说，追求最佳效果就选 CSRT，需要快速运行就选 KCF，追求极致速度则考虑 MOSSE

三、示例代码

3.1 单个算法测试：

import cv2

video_path = './video/slam_dunk.mp4'
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():
    raise IOError("视频无法打开")

# 2.读取第一帧
ret, frame = cap.read()
if not ret:
    raise IOError("无法读取帧")

print("正在读取第一帧,请用鼠标框住要追踪的目标,然后按Enter键确认")

bbox = cv2.selectROI("Select Target",frame, fromCenter =  False, showCrosshair = False)
cv2.destroyWindow("Select Target")

if bbox == (0,0,0,0):
    print(f"未选择目标,退出")
    cap.release()
    exit(1)

print(f"目标已选定")

#3 。初始化CRST 追踪器

def create_tracker():
    # 可选：
    return cv2.TrackerCSRT_create()    # 最准、稍慢
    # return cv2.TrackerKCF_create()     # 快 + 准
    # return cv2.legacy.TrackerMOSSE_create()   # 极快
    # return cv2.legacy.TrackerMedianFlow_create()
    # return cv2.legacy.TrackerMIL_create()
    # return cv2.legacy.TrackerTLD_create()
    # return cv2.legacy.TrackerBoosting_create()

tracker = create_tracker()
tracker.init(frame, bbox)

#  # 创建多个追踪器同时对比
# trackers = {
#     "CSRT": cv2.TrackerCSRT_create(),
#     "KCF": cv2.TrackerKCF_create(),
#     "MOSSE": cv2.legacy.TrackerMOSSE_create()
# }
#
# for name in trackers:
#     trackers[name].init(frame, bbox)

#4.开始追踪
print("开始追踪,按q退出")
while True:
    ret, frame = cap.read()
    if not ret:
        print("播放完毕")
        break
    # for name, tracker in trackers.items():
    success, bbox = tracker.update(frame)
    if success:
        (x,y,w,h) = [int (v) for v in bbox]
        cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
        cv2.putText(frame,"Tracking",(x,y-10),
                    cv2.FONT_HERSHEY_SIMPLEX,0.6,(0,255,0),2)
    else:
        cv2.putText(frame,"LOST",(20,40),
                    cv2.FONT_HERSHEY_SIMPLEX,1,(0,0,255),2)


    cv2.imshow("CSRT Video tracker...",frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()
print("追踪结束")

这是在代码中逐个测试目标追踪算法的代码。

CSRT算法测试效果如下：

多个算法测试：

import cv2

video_path = './video/slam_dunk.mp4'
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():
    raise IOError("视频无法打开")

# 2.读取第一帧
ret, frame = cap.read()
if not ret:
    raise IOError("无法读取帧")

print("正在读取第一帧,请用鼠标框住要追踪的目标,然后按Enter键确认")

bbox = cv2.selectROI("Select Target",frame, fromCenter =  False, showCrosshair = False)
cv2.destroyWindow("Select Target")

if bbox == (0,0,0,0):
    print(f"未选择目标,退出")
    cap.release()
    exit(1)

print(f"目标已选定")

#3 。初始化CRST 追踪器

# def create_tracker():
#     # 可选：
#     # return cv2.TrackerCSRT_create()    # 最准、稍慢
#     # return cv2.TrackerKCF_create()     # 快 + 准
#     # return cv2.legacy.TrackerMOSSE_create()   # 极快
#     return cv2.legacy.TrackerMedianFlow_create()
#     # return cv2.legacy.TrackerMIL_create()
#     # return cv2.legacy.TrackerTLD_create()
#     # return cv2.legacy.TrackerBoosting_create()
#
# tracker = create_tracker()
# tracker.init(frame, bbox)

 # 创建多个追踪器同时对比
trackers = {
    "CSRT": cv2.TrackerCSRT_create(),
    "KCF": cv2.TrackerKCF_create(),
    "MOSSE": cv2.legacy.TrackerMOSSE_create()
}

for name in trackers:
    trackers[name].init(frame, bbox)

#4.开始追踪
print("开始追踪,按q退出")
while True:
    ret, frame = cap.read()
    if not ret:
        print("播放完毕")
        break
    for name, tracker in trackers.items():
        success, bbox = tracker.update(frame)
        if success:
           (x,y,w,h) = [int (v) for v in bbox]
           cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
           cv2.putText(frame,"Tracking",(x,y-10),
                    cv2.FONT_HERSHEY_SIMPLEX,0.6,(0,255,0),2)
    else:
        cv2.putText(frame,"LOST",(20,40),
                    cv2.FONT_HERSHEY_SIMPLEX,1,(0,0,255),2)


    cv2.imshow("CSRT Video tracker...",frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()
print("追踪结束")

代码运行效果：

好了，OpenCV中目标检测就介绍到这里了。