同一窗口下基于KCF 目标跟踪和基于模板匹配的目标跟踪效果比较
参考图像跟踪（四）KCF算法
我们知道KCF 是一个效率和速度都比较好的一种跟踪算法。而模板匹配的目标跟踪是比较笨的一种方式，因此有必要放在一起比比看。代码已经在下面！
大家可以自己去比较！
当然基本条件是要有特殊库，要基于opencv 3.0以上的配置！
实现用鼠标选取一个跟踪区域，然后就有不同颜色的框来指示跟踪效果了。
总得来说，KCF 效果好些，特别是当跟踪目标跑到录像机外面去的时候，也有作用。
// ConsoleApplication1.cpp : Defines the entry point for the console application.
//
#include "stdafx.h"
#include tracker = Tracker::create("KCF");
Rect2d templRect,kcfRect;// 跟踪结果目标框
Mat templmat;
bool stop = false;
bool FIRST = true;
int nFramesNochose = 0;
int nFrames = 0;// 帧号计数
while (!stop)
{
cap >> frame;//获取图像
org = frame;//？
org.copyTo(img);
org.copyTo(tmp);
if (!CHOSE) {
namedWindow("img");
imshow("img", frame);
setMouseCallback("img", on_mouse, 0);
}
if (CHOSE && FIRST)
{
templRect.x = xMin;
templRect.y = yMin;
templRect.width = width;
templRect.height = height;
templRect &= Rect2d(0, 0, org.cols, org.rows);
kcfRect = templRect;
printf("Initial Box : %f, %f, %f, %f\n", xMin, yMin, width, height);
// 使用第一帧和目标框来初始化跟踪器
tracker->init(frame, kcfRect);
cvtColor(frame, last_gray, CV_RGB2GRAY);
rectangle(frame, kcfRect, Scalar(0, 255, 255), 5, 8);
templmat = last_gray(templRect);
FIRST = false;
}
else if (CHOSE && !FIRST)
{
//double start = clock();
cvtColor(frame, last_gray, CV_RGB2GRAY);
//if (isKCF)
{
// 更新当前帧的结果
tracker->update(frame, kcfRect);
}
//else
{
templatematchtracking(frame, templmat, templRect);
}
sum_error_ncc += mean_error_ncc;
err_num++;
//double finish = clock();
//////////////////////////////////////////////////////////////////
//printf("TIME : %f ms!\n", (finish - start) * 1000 / CLOCKS_PER_SEC);
Scalar color1,color;
if (mean_error_ncc < 0.1)
{
color = Scalar(0, 255, 0, 0);
color1 = Scalar(255, 0, 0,0);
}
else
{
color = Scalar(0, 0, 255, 0);
color1 = Scalar(0, 255, 125, 0);
}
rectangle(frame, templRect, color, 3, 8);
rectangle(frame, kcfRect, color1, 2, 8);
float actual_x = 0.0;
float actual_y = 0.0;
char buff[50] = { '\0' };
adjustPosition((templRect.x + templRect.width / 2), (templRect.y + templRect.height / 2), actual_x, actual_y);
sprintf_s(buff, "adjust (x : %.5f, y : %.5f)", actual_x, actual_y);
putText(frame, buff, Point(templRect.x, templRect.y - 20), FONT_HERSHEY_SIMPLEX, 0.5, color);
}
if (CHOSE && !FIRST) {
cvDestroyWindow("img");
namedWindow("tracking");//
imshow("tracking", frame);
}
else
imshow("img", frame);
if (waitKey(1) == 27)
break;
if (CHOSE)
nFrames++;
}
return 0;
}
void templatematchtracking(Mat frame, Mat &templ, Rect2d &rect)
{
Mat grayFrame;
cvtColor(frame, grayFrame, CV_RGB2GRAY);//由于模板匹配只支持单通道，因此需要转为灰度图像
//设置搜索窗口大小，按照移动的速度，设置为原来兴趣窗口的2倍大小，也可以使很大。
Rect2d findRect;
findRect.width = min((int)rect.width * 2, frame.cols);
findRect.height = min((int)rect.height * 2, frame.rows);
findRect.x = rect.x + rect.width * 0.5 - findRect.width * 0.5;
findRect.y = rect.y + rect.height * 0.5 - findRect.height * 0.5;
findRect &= Rect2d(0, 0, frame.cols, frame.rows);
Mat matchResult;
matchTemplate(grayFrame(findRect), templ, matchResult, CV_TM_CCOEFF);//使用归一化相关系数匹配法,最强匹配法，值最大表示匹配最好 1表示最好。
double maxVal = 0;
Point maxLoc;
//筛选出最大匹配点
minMaxLoc(matchResult, 0, &maxVal, 0, &maxLoc);
cout << "the maxVal =" << maxVal << endl;
//找到下一次模板新的起始点
rect.x = maxLoc.x + findRect.x;
rect.y = maxLoc.y + findRect.y;
//更新模板,这样表示可能导致当初跟踪的目标会发生变化。
rect &= Rect2d(0, 0, frame.cols, frame.rows);
templ = grayFrame(rect);
}