目标跟踪之Camshift

最新推荐文章于 2024-01-15 09:18:18 发布

原创

最新推荐文章于 2024-01-15 09:18:18 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#Camshift #目标跟踪

本文介绍了camShift（连续自适应均值漂移）算法，它是基于meanShift的视频目标跟踪方法。camShift通过在HSV空间中计算目标的直方图反向投影，利用OpenCV的CAMSHIFT函数进行目标跟踪。文章提供了详细的代码示例，展示如何在C++中使用OpenCV实现camShift算法，以跟踪视频中的目标。尽管在简单背景下对单目标跟踪效果良好，但当目标颜色与背景相似或形状变化时，跟踪性能可能会下降。

基本概念

camshift（"continuously adaptive mean-shift"的缩写），即连续自适应的算法。其基本思想是对视频序列的所有图像帧都作MeanShift运算，并将上一帧的结果（即搜索窗口的中心位置和窗口大小）作为下一帧MeanShift算法的搜索窗口的初始值，如此迭代下去。简单点说，meanShift是针对单张图片寻找最优迭代结果，而camShift则是针对视频序列来处理，并对该序列中的每一帧图片都调用meanShift来寻找最优迭代结果。正是由于camShift针对一个视频序列进行处理，从而保证其可以不断调整窗口的大小，如此一来，当目标的大小发生变化的时候，该算法就可以自适应地调整目标区域继续跟踪。算法基本步骤：

初始化搜索窗
计算搜索窗区域的颜色概率分布（反向投影）
运行mean-shift算法，得到搜索窗新的大小和位置。
在下一帧视频图像中用步骤3中的值重新初始化搜索窗的大小和位置，继续从步骤2执行。

示例演示

在OpenCV自带的camShift的例子当中，是通过计算目标在HSV空间下的H分量直方图，通过直方图反向投影得到目标像素的概率分布，然后通过调用OpenCV的CAMSHIFT算法，自动跟踪并调整目标窗口的中心位置与大小。该算法对于简单背景下的单目标跟踪效果较好，但如果被跟踪目标与背景颜色或周围其它目标颜色比较接近，则跟踪效果较差。另外，由于采用颜色特征，所以它对被跟踪目标的形状变化有一定的抵抗能力。完整代码

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;
int main(int argc, char **argv)
{
   
   
	const string about =
		"This sample demonstrates the camshift algorithm.\n"
		"The example file can be downloaded from:\n"
		"  https://www.bogotobogo.com/python/OpenCV_Python/images/mean_shift_tracking/slow_traffic_small.mp4";
	const string keys =
		"{ h help |      | print this help message }"
		"{ @image |<none>| path to image file }";
	CommandLineParser parser(argc, argv, keys);
	parser.about(about);
	if (parser.has