基于 OpenCV 实战：对象跟踪

Posted 2022-04-29 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