基于dlib实现人脸跟踪和物体跟踪（demo）
Posted 月疯
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于dlib实现人脸跟踪和物体跟踪（demo）相关的知识，希望对你有一定的参考价值。
dlib的安装，直接上代码查看：主要是视频的跟踪，但是存在很多问题，这个库不行还是跟yolo差很远，学习一下
#人脸跟踪
#1、导入库
import cv2
import dlib
#2、主函数
def main():
#3、打开摄像头
# capture = cv2.VideoCapture(0)
#读取本地视频
capture = cv2.VideoCapture("../videos/2925646b8bb765b59b79b3ef78cbea49.mp4")
#4、基于dlib库获取人脸检测器
detector = dlib.get_frontal_face_detector()
#5、基于dlib库实时跟踪
tractor = dlib.correlation_tracker()
#6、跟踪状态
tracking_state= False
#7、循环读取每一帧
while True:
ret,frame = capture.read()
#8如果没有跟踪，启动跟踪器
if tracking_state is False:
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
faces = detector(gray,1) #返回检测到的人脸
if len(faces) >0:
tractor.start_track(frame,faces[0])
tracking_state = True
#9、正在跟踪，实时获取人脸的位置，显示
if tracking_state is True:
tractor.update(frame)#跟新画面
position = tractor.get_position()#获取人脸的坐标
cv2.rectangle(frame,(int(position.left()),int(position.top())),(int(position.right()),int(position.bottom())),(0,255,0),3)
key = cv2.waitKey(1) & 0xFF
if key ==ord('q'):
break
cv2.imshow("face tracking", frame)
capture.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
main()
#增加提示信息
#人脸跟踪,
# 保存摄像头获取到的视频
#增加提示信息
#1、导入库
import cv2
import dlib
#增加提示性信息，图片和状态传进来
def show_info(frame,tracking_state):
#显示状态信息的坐标
pos1 = (20,40)
pos2 = (20,80)
#按下1是跟踪
cv2.putText(frame,"'1':reset",pos1,cv2.FONT_HERSHEY_COMPLEX,0.5,(255,255,255)) #位置，字体，粗细，颜色，
#根据状态，显示不同的信息
if tracking_state is True:
cv2.putTest(frame,"tracking now ......",pos2,cv2.FONT_HERSHEY_COMPLEX,0.5,(255,0,0))
else:
cv2.putTest(frame, "no tracking ......", pos2, cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 255, 0))
#2、主函数
def main():
#3、打开摄像头
capture = cv2.VideoCapture(0)
#4、基于dlib库获取人脸检测器
detector = dlib.get_frontal_face_detector()
#5、基于dlib库实时跟踪
tractor = dlib.correlation_tracker()
#6、跟踪状态
tracking_state= False
#增加功能：保存视频
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
frame_fps = capture.get(cv2.CAP_PROP_FPS)
#设置视频格式
fourcc = cv2.VideoWrite_fourcc(*"XVID")
#设置输出视频格式("文件名.格式"，格式，每秒多少帧，视频的宽度，高度，True表示彩色，False表示黑白)
out_put = cv2.VideoWrite("record.avi",fourcc,int(frame_fps),int(frame_width),int(frame_height),True)
#7、循环读取每一帧
while True:
ret,frame = capture.read()
#显示提示信息
show_info(frame, tracking_state)
#8如果没有跟踪，启动跟踪器
if tracking_state is False:
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
faces = detector(gray,1) #返回检测到的人脸
if len(faces) >0:
tractor.start_track(frame,faces[0])
tracking_state = True
#9、正在跟踪，实时获取人脸的位置，显示
if tracking_state is True:
tractor.update(frame)#跟新画面
position = tractor.get_position()#获取人脸的坐标
cv2.rectangle(frame,(int(position.left()),int(position.top())),(int(position.right()),int(position.bottom())),(0,255,0),3)
key = cv2.waitKey(1) & 0xFF
if key ==ord('q'):
break
cv2.imshow("face tracking",frame)
#保存图片
out_put.write(frame)
capture.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
main()保存摄像头获取到的视频
#人脸跟踪,保存摄像头获取到的视频
#1、导入库
import cv2
import dlib
#2、主函数
def main():
#3、打开摄像头
capture = cv2.VideoCapture(0)
#4、基于dlib库获取人脸检测器
detector = dlib.get_frontal_face_detector()
#5、基于dlib库实时跟踪
tractor = dlib.correlation_tracker()
#6、跟踪状态
tracking_state= False
#增加功能：保存视频
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
frame_fps = capture.get(cv2.CAP_PROP_FPS)
#设置视频格式
fourcc = cv2.VideoWrite_fourcc(*"XVID")
#设置输出视频格式("文件名.格式"，格式，每秒多少帧，视频的宽度，高度，True表示彩色，False表示黑白)
out_put = cv2.VideoWrite("record.avi",fourcc,int(frame_fps),int(frame_width),int(frame_height),True)
#7、循环读取每一帧
while True:
ret,frame = capture.read()
#8如果没有跟踪，启动跟踪器
if tracking_state is False:
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
faces = detector(gray,1) #返回检测到的人脸
if len(faces) >0:
tractor.start_track(frame,faces[0])
tracking_state = True
#9、正在跟踪，实时获取人脸的位置，显示
if tracking_state is True:
tractor.update(frame)#跟新画面
position = tractor.get_position()#获取人脸的坐标
cv2.rectangle(frame,(int(position.left()),int(position.top())),(int(position.right()),int(position.bottom())),(0,255,0),3)
key = cv2.waitKey(1) & 0xFF
if key ==ord('q'):
break
cv2.imshow("face tracking",frame)
#保存图片
out_put.write(frame)
capture.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
main()object的跟踪：
项目过程：鼠标对物体区域进行框选，然后让这个区域跟踪物体移动
# 物体检测，定位
# 1、导入库
import cv2
import dlib
# 定义方法：显示信息
def show_info():
pos1=(10,20)
pos2=(10,40)
pos3=(10,60)
info1 = "put left button,select an area,starct tracking"
info2 = "'1':strack tracking,'2':stop tacking,'q':exit"
cv2.putText(frame,info1,pos1,cv2.FOUNT_HERSHEY_COMPLEX,0.5,(255,255,255))
cv2.putText(frame,info2,pos2,cv2.FOUNT_HERSHEY_COMPLEX,0.5,(255,255,255))
if tracking_state:
cv2.putText(frame,"tracking now...",pos3,cv2.FOUNT_HERSHEY_COMPLEX,0.5,(0,255,0))
else:
cv2.putText(frame, "stop tracking ...", pos3, cv2.FOUNT_HERSHEY_COMPLEX, 0.5, (255,0, 0))
points = [] # 存放鼠标事件坐标点
# 定义方法：鼠标绑定到点击事件
def mouse_event_handler(event, x, y, flags, params):
global points # 全局变量
if event == cv2.EVENT_LBUTTONDOWN: # 鼠标按下
points = [(x, y)]
elif event == cv2.EVENT_LBUTTONUP: # 鼠标松开
points.append([(x, y)])
# 2、打开摄像头
capture = cv2.VideoCapture(0)
# 3、设定窗口名称
nameWindow = "Object Tracking"
# 4、将鼠标绑定到窗口上去
cv2.nameWindow(nameWindow)
cv2.setMouseCallBack(nameWindow, mouse_event_handler)
# 5、启动跟踪器dlib.correlation_tracker()
tracker = dlib.correlation_tracker()
# 6、假设跟踪状态
tracking_state = False
# 7、循环读取视频流
while True:
# 8、获取每一帧
ret, frame = capture.read()
# 9、显示提示信息：调用方法
show_info()
# 10、如果获取到的坐标点为2个，那么就绘制出矩形框，以及也要让dlib的rectangle()知道坐标点在哪里
if len(points) == 2:
cv2.rectangle(frame, points[0], points[1], (0, 255, 0), 3)
dlib_rect = dlib.rectangle(points[0][0], points[0][1], points[1][0], points[1][1])
# 11、根据状态判断：如果跟踪状态为true，那么更新跟踪，同时还需要获取位置，绘制矩形框
if tracking_state is True:
tracker.update(frame) # 更新画面
pos = tracker.get_posint() # 获取位置坐标
cv2.rectangle(frame, (int(pos.left()), int(pos.top())), (int(pos.right()), int(pos.bottom())), (0, 255, 0), 3)
# 12、事件判断，根据按键’1‘，’2‘，’q‘
key = cv2.waitKey(1) & 0xFF
if key == ord('1'):
if len(points) == 2:
tracker.start_track(frame, dlib_rect)
tracking_state = True
points = []
if key == ord('2'):
points = []
tracking_state = False
if key == ord('q'):
break
# 13、显示整体效果
cv2.imshow(nameWindow, frame)
# 关闭掉窗口
capture.release()
cv2.destroyAllWindows()
以上是关于基于dlib实现人脸跟踪和物体跟踪（demo）的主要内容，如果未能解决你的问题，请参考以下文章
dlib库包的介绍与使用，opencv+dlib检测人脸框opencv+dlib进行人脸68关键点检测，opencv+dlib实现人脸识别，dlib进行人脸特征聚类dlib视频目标跟踪