Opencv目标追踪

参考：https://www.pyimagesearch.com/2018/07/30/opencv-object-tracking/

引言

Opencv作为图像处理开源库包含了Object Tracking目标追踪的一些API，使用Opencv能够方便快捷的编写目标追踪程序。

Opencv4.0目前包含了8种目标追踪算法：

• Boosting：基于在线的AdaBoost, 这个分类器需要对对象的正、负例进行训练。用户提供的初始化框(或通过其它算法检测到对象，必须MOG2，KNN检测到小车)来作为对象的正例，并将边界框外的图像块作为背景(负类) 优点：没有。这个算法已经有10年的历史了，找不到一个很好的理由去使用它，特别是当其他基于类似原理的高级跟踪器(MIL, KCF)也可用的时候。
• CSRT：判别性相关滤波器。 优点：精确度比KCF稍高。 缺点：速度不如KCF块。
• GOTURN：在跟踪器类的所有跟踪算法中，这是唯一基于卷积神经网络(CNN)的算法。也是唯一一个使用离线训练的模型，因此它比其他跟踪器更快。从opencv文档可以看出该算法对视角变化、光照、变形都具有很好的鲁棒性，但是对于遮挡性能较差。
• KCF：这个跟踪器基于前面两个跟踪器中提出的想法。该跟踪器在MIL跟踪器中使用的多个正样本具有较大的重叠区域。 优点：精度和速度都比MIL好，建议在大多数应用程序中使用该算法。 缺点：还是完全遮挡
• MedianFlow：经过测试中，发现这个跟踪器在小运