opencv实战—目标跟踪-KCF目标跟踪方法

一.函数

1.vars ()

vars() 函数返回对象object的属性和属性值的字典对象。

2 .tracker = cv2.multiTracker_create() 获得追踪的初始化结果

3. continue 语句跳出本次循环，而break跳出整个循环。

• cv2.resize(InputArray src, OutputArray dst, Size, fx, fy, interpolation)

• 参数解释：
  InputArray src 输入图片
  OutputArray dst 输出图片
  Size 输出图片尺寸
  fx, fy 沿x轴，y轴的缩放系数
  interpolation 插入方式

• interpolation 选项所用的插值方法：
  最近邻插值 INTER_NEAREST
  双线性插值（默认设置）INTER_LINEAR
  使用像素区域关系进行重采样 INTER_AREA
  4x4像素邻域的双三次插值 INTER_CUBIC
  8x8像素邻域的Lanczos插值 INTER_LANCZOS4

4.[int(i) for i in range()]

#例子
[int(i) for i in range(10)]
>>>
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

5. selectROI

selectROI(windowName, img, showCrosshair=None, fromCenter=None):
    .   参数windowName：选择的区域被显示在的窗口的名字
    .   参数img：要在什么图片上选择ROI
    .   参数showCrosshair：是否在矩形框里画十字线.
    .   参数fromCenter：是否是从矩形框的中心开始画

import argparse
import cv2
import time

# 第一步进行参数设置
ap = argparse.ArgumentParser()
ap.add_argument('-v', '--video', type=str, default='videos/soccer_01.mp4',
                help='path to input video file')
ap.add_argument('-t', '--tracker', type=str,
                default='kcf', help='Opencv object tracker type')

args = vars(ap.parse_args())


# opencv已经实现的追踪算法
# 第二步：构造cv2已有追踪算法的列表
OPENCV_OBJECT_TRACKERS = {
    "csrt": cv2.TrackerCSRT_create,
    "kcf": cv2.TrackerKCF_create,
    "boosting": cv2.TrackerBoosting_create,
    "mil": cv2.TrackerMIL_create,
    "tld": cv2.TrackerTLD_create,
    "medianflow": cv2.TrackerMedianFlow_create,
    "mosse": cv2.TrackerMOSSE_create
}

# 第三步：实例化追踪器
# 实例化Opencv's multi-object tracker
trackers = cv2.MultiTracker_create()

# 第四步：使用cv2.VideoCapture读取视频
vs = cv2.VideoCapture(args['video'])

while True:
    # 第五步：读入第一张图片
    frame = vs.read()
    frame = frame[1]
    # 到头了就结束
    if frame is None:
        break

    # 第六步：使用cv2.resize对图像进行长宽的放缩操作
    h, w = frame.shape[:2]
    width = 600
    r = width / float(w)
    dim = (width, int(r * h))
    frame = cv2.resize(frame, dim, cv2.INTER_AREA)

    # 第七步：使用trackers.apply获得矩形框
    (success, boxes) = trackers.update(frame)

    # 第八步：循环多组矩形框，进行画图操作
    for box in boxes:
        (x, y, w, h) = [int(v) for v in box]
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # 第九步：进行图像展示
    cv2.imshow('Frame', frame)

    # 第十步：判断按键，如果是s的话，进行画出新的box
    key = cv2.waitKey(100) & 0xff

    if key == ord('s'):
        # 第十一步：选择一个区域，按s键，并将tracker追踪器，frame和box传入到trackers中
        box = cv2.selectROI('Frame', frame, fromCenter=False,
                            showCrosshair=True)
        tracker = OPENCV_OBJECT_TRACKERS[args['tracker']]()
        trackers.add(tracker, frame, box)

    elif key == 27:
        break


vs.release()
cv2.destroyAllWindows()