cv2实现视频跟踪

本篇博客主要介绍cv2中的视频分析Camshift和Meanshift。

首先是Meanshift,Meanshift 算法的基本原理是和很简单的。假设我们有一堆点，和一个小的圆形窗口，Meanshift 算法就是不断移动小圆形窗口，直到找到圆形区域内最大灰度密度处为止。

示例代码：

# encoding:utf-8
import cv2
import numpy as np

cap = cv2.VideoCapture('../data/slow.flv')
# 取出视频的第一帧
ret, frame = cap.read()
# 设置窗口的初始化位置
r, h, c, w = 250, 90, 400, 125
track_window = (c, r, w, h)
# 设置跟踪的ROI（感兴趣区域）
roi = frame[r: r+h, c: c+w]
hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
# 将低亮度的值忽略掉
mask = cv2.inRange(hsv_roi, np.array((0., 60., 32.)), np.array((180., 255., 255.)))

roi_hist = cv2.calcHist([hsv_roi], [0], mask, [180], [0, 180])
cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)

# 设置终止条件，迭代10次或移