基于 OpenCV 实战:对象跟踪
Posted AI科技大本营
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 OpenCV 实战:对象跟踪相关的知识,希望对你有一定的参考价值。
作者 | 小白
来源丨小白学视觉
介绍
跟踪对象的基本思想是找到对象的轮廓,基于HSV颜色值。
轮廓:突出显示对象的图像片段。例如,如果将二进制阈值应用于具有(180,255)的图像,则大于180的像素将以白色突出显示,而其他则为黑色。白色部分称为轮廓。
在继续下面的操作之前,请在系统中安装OpenCV。打开命令提示符并键入
pip install opencv-python
步骤1:从相机读取数据
import cv2
cam = cv2.VideoCapture(0)
img = cam.read()[1] #_, img = cam.read()
参数0-用于主相机,例如在笔记本电脑网络摄像头中被视为主相机。1-代表中学,依此类推。
步骤2:预处理框架
1、使用高斯滤波器对图像进行归一化。归一化图像可能会丢失许多小信息,但是我们需要归一化/模糊图像,以使我们的对象获得均等的颜色分布。
#cv2.gaussianBlur(source_image,Kernal_size,Border_width)
Blur_img = cv2.GaussianBlur(img,(11,11),0)
2、将图像转换为HSV颜色模型。
HSV = cv2.cvtColor(Blur_img, cv2.COLOR_BGR2HSV)
步骤3:找到对应对象的HSV颜色
Obj_low = np.array([0,0,0]) # In my case (H,S,V)
Obj_high = np.array([179,157,79])
步骤4:阈值化
在给定的HSV值范围内应用二进制阈值,黑白Obj_low和Obj_high。
MASK = cv2.inRange(HSV, Obj_low, Obj_high)
#MASK2 = cv2.inRange(HSV,Obj2_low,Obj2_high)
如果尝试跟踪两个不同的对象,则需要创建2个不同的蒙版,并最终在两个蒙版上使用“按位与”运算符。
#mask = cv2.bitwise_and(mask1,mask2)
侵蚀和膨胀:侵蚀和膨胀填充阈值图像中的黑色和白色斑点。这样可使图像更清晰,平滑并突出主要对象。
MASK = cv2.erode(MASK1, None, iterations=2)
MASK = cv2.dilate(MASK1, None, iterations =2)
步骤5:在图像中查找轮廓
轮廓:突出显示对象的图像片段。例如,如果将二进制阈值应用于具有(180,255)的图像,则大于180的像素将以白色突出显示,而其他则为黑色。白色部分称为轮廓。
cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
if len(cnts)>0 :
c = max(cnts, key = cv2.contourArea)
在上面给定的图像中,整个白色边界区域是轮廓。轮廓可能不止一个,但主要对象的面积将最大。所以选择轮廓最大。然后..
步骤6:在对象上绘制圆
得到主要物体的轮廓后,在轮廓上画一个圆。
((x,y), radius) = cv2.minEnclosingCircle(c)
M = cv2.moments(c)
center = (int(M[‘m10’]/ M[‘m00’]), int(M[‘m01’]/ M[‘m00’]) )
cv2.circle(img, center, 5, (0,0,255), -1)
cv2.circle(img, center, int(radius), (0,0,255), 2)
对象跟踪程序代码
import cv2
import numpy as np
cam = cv2.VideoCapture(0)
Obj_low = np.array([0,0,0])
Obj_high = np.array([179,157,79])
while True:
img = cam.read()[1]
img = cv2.resize(img, (800,600) )
blur_img = cv2.GaussianBlur(img,(21,21),0)
HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
MASK1 = cv2.inRange(HSV, Obj_low, Obj_high)
MASK1 = cv2.erode(MASK1, None, iterations=2)
MASK1 = cv2.dilate(MASK1, None, iterations =2)
cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
center = None
if len(cnts)>0 :
c = max(cnts, key = cv2.contourArea)
((x,y), radius) = cv2.minEnclosingCircle(c)
M = cv2.moments(c)
center = (int(M['m10']/ M['m00']), int(M['m01']/ M['m00']) )
if radius>10:
cv2.circle(img, center, 5, (0,0,255), -1)
cv2.circle(img, center, int(radius), (0,0,255), 2)
cv2.imshow("my window",img)
k = cv2.waitKey(1)
if k==27:
break
cam.release()
cv2.destroyAllWindows()
往
期
回
顾
技术
资讯
技术
技术
分享
点收藏
点点赞
点在看
以上是关于基于 OpenCV 实战:对象跟踪的主要内容,如果未能解决你的问题,请参考以下文章
目标跟踪(3)MultiTracker : 基于 OpenCV (C++/Python) 的多目标跟踪