对象跟踪openCV，问题，建议？

Posted 2023-02-22

【中文标题】对象跟踪openCV，问题，建议？

【英文标题】：Object tracking openCV, questions, advices?

【发布时间】：2013-03-12 02:08:03

【问题描述】：

简短介绍：增强现实项目

目标：在某人的头上加载 3D 发型模板。

所以我使用 OpenCV 来跟踪人的面部，然后我必须跟踪帽子（我们假设用户有帽子，我们可以决定一个地标或帽子上我们需要检测它的所有东西）的用户。一旦检测到地标，我必须获取地标的坐标，然后将其发送到 3D 引擎以启动/更新 3D 对象。

所以，为了准确检测帽子的地标，我首先测试了几种方法：

cvFindChessBoardCorner ... 在平面上非常有效，但在上限上却没有 (http://dsynflo.blogspot.com/2010/06/simplar-augmented-reality-for-opencv.html)

颜色检测 (http://www.aishack.in/2010/07/tracking-colored-objects-in-opencv/) ... 效率不高。如果亮度改变，颜色就会改变......

我今天来找你是想和你一起考虑。帽子上需要特殊的地标吗？ （如果是，是哪一个？如果不是，我该怎么办？） 将颜色检测和形状检测混在一起是不是一个好主意？

....我走对了吗？ ^^ 我很感激任何关于使用帽子来瞄准用户头部的建议，以及我必须在 OpenCV 库中使用的不同功能。

对不起，如果我的英语不完美。

非常感谢！

【参考方案1】：

我想到的一种快速方法是结合这两种方法。

使用直方图和均值偏移进行颜色跟踪

这是使用直方图的另一种颜色检测方法： Robust Hand Detection via Computer Vision

这个想法是这样的： 对于已知颜色的上限，比如亮绿色/蓝色（就像您在图像抠图屏幕上看到的那种颜色），您可以仅使用色调和饱和度颜色通道预先计算直方图。我们故意排除亮度通道，使其对光照变化更加稳健。现在，使用直方图，您可以创建一个反投影图，即一个蒙版，在图像中的每个像素处都有一个概率值，表示那里的颜色是帽子颜色的概率。

现在，在获得概率图后，您可以在此概率图（不是图像）上运行 meanshift 或 camshift 算法（在 OpenCV 中可用），并将初始窗口放置在您使用检测到的面部上方的某个位置OpenCV的算法。这个窗口最终会以概率分布的模式结束，即上限。

详细信息在我上面给出的鲁棒手部检测的链接中。有关更多详细信息，您应该考虑获取官方 OpenCV 书籍或从当地图书馆借阅。关于使用 meanshift 和 camshift 跟踪对象有一个非常好的章节。或者，只需使用沿 meashift/camshift 的任何查询搜索网络以进行对象跟踪。

检测正方形/圆形以获取头部方向

如果您还想进一步确认这个最终位置，您可以在帽的正面添加 4 个小方块/圆圈，并使用 OpenCV 的内置算法仅在此感兴趣区域 (ROI) 中检测它们。这有点像检测那些二维码中的方块。此步骤进一步为您提供有关帽子方向以及头部方向的信息，这在您渲染头发时可能很有用。例如。找到 2 个相邻的正方形/圆形后，您可以计算它们与水平/垂直线之间的角度。

您可以使用 OpenCV 中的标准角检测器等检测正方形/角。 对于圆圈，您可以尝试使用 HoughCircle 算法：http://docs.opencv.org/modules/imgproc/doc/feature_detection.html#houghcircles

加快速度

广泛使用感兴趣区域 (ROI)

为了加快速度，您应该尽可能多地在图像的小区域 (ROI)（也是概率图）上运行算法。您可以从 OpenCV 图像中提取 ROI，这些图像本身就是图像，并在它们上运行 OpenCV 的算法，就像在整个图像上运行它们一样。例如，您可以计算检测到的面部周围 ROI 的概率图。同样，meanshift/camshift 算法应该只在这个较小的地图上运行。同样对于检测正方形或圆形的附加步骤。详细信息可以在 OpenCV 书籍以及在线快速搜索中找到。

用 TBB 和 CUDA 编译 OpenCV

许多 OpenCV 的算法可以实现显着的速度提升，而程序员无需做任何额外的工作，只需在 TBB（线程构建块）和 CUDA 支持开启的情况下编译 OpenCV 库即可。特别是，OpenCV (Viola Jones) 中的人脸检测算法运行速度会快几倍。

只有在安装了 TBB 和 CUDA 的软件包后才能打开这些选项。

待定：http://threadingbuildingblocks.org/download

CUDA：https://developer.nvidia.com/cuda-downloads

然后从源代码编译OpenCV：http://docs.opencv.org/doc/tutorials/introduction/windows_install/windows_install.html#windows-installation

最后，我不确定您是否使用的是 OpenCV 的“C 版本”。除非绝对必要（出于兼容性问题等），否则我建议使用 OpenCV 的 C++ 接口，因为它更方便（至少从我个人的经验来看）。现在让我先声明，我不打算在此声明中就 C 与 C++ 的优点展开一场激烈的战争。

希望这会有所帮助。