CamShift算法、MeanShift追踪算法来追踪视频中的一个目标

1. camshift.cpp CamShift算法

// 引入相关的头文件
#include <iostream> // 包含C++的输入输出流库
#include <opencv2/imgcodecs.hpp> // OpenCV图像编解码功能
#include <opencv2/imgproc.hpp> // OpenCV图像处理功能
#include <opencv2/videoio.hpp> // OpenCV视频I/O操作
#include <opencv2/highgui.hpp> // OpenCV高级GUI功能
#include <opencv2/video.hpp> // OpenCV视频处理功能


// 使用命名空间，简化代码中的命名
using namespace cv; // OpenCV命名空间
using namespace std; // 标准命名空间


// 主函数
int main(int argc, char **argv)
{
    // 关于程序的说明字符串
    const string about =
        "This sample demonstrates the camshift algorithm.\n"
        "The example file can be downloaded from:\n"
        "  https://www.bogotobogo.com/python/OpenCV_Python/images/mean_shift_tracking/slow_traffic_small.mp4";
    // 命令行参数的说明字符串
    const string keys =
        "{ h help |      | print this help message }"
        "{ @image |<none>| path to image file }";
    // 解析命令行参数
    CommandLineParser parser(argc, argv, keys);
    parser.about(about);
    // 如果命令行中包含帮助参数，则输出帮助信息并退出程序
    if (parser.has("help"))
    {
        parser.printMessage();
        return 0;
    }
    // 获取图像文件路径
    string filename = parser.get<string>("@image");
    // 检查参数解析是否成功
    if (!parser.check())
    {
        parser.printErrors();
        return 0;
    }


    // 打开视频文件
    VideoCapture capture(filename);
    // 检查视频是否成功打开
    if (!capture.isOpened()){
        // 打开失败时打印错误信息并退出程序
        cerr << "Unable to open file!" << endl;
        return 0;
    }


    // 声明一些变量用于处理图像
    Mat frame, roi, hsv_roi, mask;
    // 读取视频的第一帧
    capture >> frame;


    // 设置跟踪窗口的初始位置  // 这里硬编码了窗口的值
    Rect track_window(300, 200, 100, 50);


    // 设置追踪的区域
    roi = frame(track_window);
    // 将感兴趣区域(ROI)的颜色空间转换为HSV
    cvtColor(roi, hsv_roi, COLOR_BGR2HSV);
    // 过滤HSV图像中的某些颜色区域，并生成遮罩图像
    inRange(hsv_roi, Scalar(0, 60, 32), Scalar(180, 255, 255), mask);


    // 直方图的参数设置
    float range_[] = {0, 180};
    const float* range[] = {range_};
    Mat roi_hist;
    int histSize[] = {180};
    int channels[] = {0};
    // 计算HSV图像的直方图
    calcHist(&hsv_roi, 1, channels, mask, roi_hist, 1, histSize, range);
    // 标准化直方图
    normalize(roi_hist, roi_hist, 0, 255, NORM_MINMAX);


    // 设置迭代的终止条件，要么是迭代10次，要么至少移动1pt
    TermCriteria term_crit(TermCriteria::EPS | TermCriteria::COUNT, 10, 1);


    // 循环处理视频帧
    while(true){
        Mat hsv, dst;
        // 读取一帧图像
        capture >> frame;
        // 如果读取到空帧，则退出循环
        if (frame.empty())
            break;
        // 将图像从BGR转换到HSV色彩空间
        cvtColor(frame, hsv, COLOR_BGR2HSV);
        // 计算反向投影
        calcBackProject(&hsv, 1, channels, roi_hist, dst, range);


        // 应用camshift算法获取新的窗口位置
        RotatedRect rot_rect = CamShift(dst, track_window, term_crit);


        // 在图像上绘制旋转矩形
        Point2f points[4];
        rot_rect.points(points);
        for (int i = 0; i < 4; i++)
            line(frame, points[i], points[(i+1)%4], 255, 2);
        // 显示图像
        imshow("img2", frame);


        // 处理键盘输入
        int keyboard = waitKey(30);
        // 如果按下'q'或Esc键，则退出循环
        if (keyboard == 'q' || keyboard == 27)
            break;
    }
}

这段C++代码使用OpenCV库实现了一个CamShift算法演示程序，用于视频中的对象跟踪。程序首先通过命令行参数获取一个视频文件的路径，然后打开这个视频，设置一个追踪窗口，并计算出该窗口内图像的HSV色彩空间直方图。在一个循环中，程序不断地读取视频帧，计算直方图的反向投影，并利用CamShift算法更新追踪窗口的位置，最后将更新后的位置用椭圆形状绘制在视频帧上，并显示处理后的视频帧。程序允许用户通过按键退出追踪循环。

inRange(hsv_roi, Scalar(0, 60, 32), Scalar(180, 255, 255), mask);

calcHist(&hsv_roi, 1, channels, mask, roi_hist, 1, histSize, range);

calcBackProject(&hsv, 1, channels, roi_hist, dst, range);

2. meanshift.cpp MeanShift追踪算法来追踪视频中的一个目标

#include <iostream> // 引入标准输入输出流库
#include <opencv2/imgcodecs.hpp> // 引入OpenCV图像编解码库
#include <opencv2/imgproc.hpp> // 引入OpenCV图像处理库
#include <opencv2/videoio.hpp> // 引入OpenCV视频输入输出库
#include <opencv2/highgui.hpp> // 引入OpenCV高层GUI库
#include <opencv2/video.hpp> // 引入OpenCV视频分析库


using namespace cv;  // 使用OpenCV命名空间
using namespace std; // 使用标准命名空间


// 主程序入口点
int main(int argc, char **argv)
{
    // 关于本示例的简介
    const string about =
        "This sample demonstrates the meanshift algorithm.\n"
        "The example file can be downloaded from:\n"
        "  https://www.bogotobogo.com/python/OpenCV_Python/images/mean_shift_tracking/slow_traffic_small.mp4";
    // 命令行参数解析时使用的关键字
    const string keys =
        "{ h help |      | print this help message }"
        "{ @image |<none>| path to image file }";
    CommandLineParser parser(argc, argv, keys); // 创建命令行解析器
    parser.about(about); // 设置关于信息
    if (parser.has("help")) // 如果命令行参数中有help
    {
        parser.printMessage(); // 打印帮助信息
        return 0; // 退出程序
    }
    string filename = parser.get<string>("@image"); // 获取图像文件的路径
    if (!parser.check()) // 检查命令行参数
    {
        parser.printErrors(); // 打印错误
        return 0; // 退出程序
    }


    VideoCapture capture(filename); // 创建视频捕获对象
    if (!capture.isOpened()){ // 检查是否成功打开视频文件
        cerr << "Unable to open file!" << endl; // 打印无法打开文件的错误信息
        return 0; // 退出程序
    }


    Mat frame, roi, hsv_roi, mask; // 定义矩阵变量：帧，感兴趣区域，HSV色彩空间的感兴趣区域，掩码
    capture >> frame; // 读取视频的第一帧


    // 设置追踪窗口的初始位置
    Rect track_window(300, 200, 100, 50); // 硬编码窗口的值


    // 设置追踪的ROI
    roi = frame(track_window); // 选取感兴趣区域
    cvtColor(roi, hsv_roi, COLOR_BGR2HSV); // 将感兴趣区域转换为HSV色彩空间
    inRange(hsv_roi, Scalar(0, 60, 32), Scalar(180, 255, 255), mask); // 对HSV空间进行颜色范围限定


    float range_[] = {0, 180}; // 定义直方图的范围
    const float* range[] = {range_}; // 设置直方图的范围
    Mat roi_hist; // 定义感兴趣区域的直方图
    int histSize[] = {180}; // 定义直方图的大小
    int channels[] = {0}; // 定义使用的通道
    calcHist(&hsv_roi, 1, channels, mask, roi_hist, 1, histSize, range); // 计算直方图
    normalize(roi_hist, roi_hist, 0, 255, NORM_MINMAX); // 归一化直方图


    // 设置终止条件，迭代10次或至少移动1个点
    TermCriteria term_crit(TermCriteria::EPS | TermCriteria::COUNT, 10, 1); // 创建终止条件


    while(true){ // 循环进行追踪
        Mat hsv, dst; // 定义矩阵变量：HSV色彩空间图像，目标图像
        capture >> frame; // 读取视频帧
        if (frame.empty()) // 如果帧为空则跳出循环
            break;
        cvtColor(frame, hsv, COLOR_BGR2HSV); // 将帧转换为HSV色彩空间
        calcBackProject(&hsv, 1, channels, roi_hist, dst, range); // 计算反向投影


        // 应用meanshift算法获取新的位置
        meanShift(dst, track_window, term_crit); 


        // 在图像上绘制追踪窗口
        rectangle(frame, track_window, 255, 2); 
        imshow("img2", frame); // 显示窗口


        int keyboard = waitKey(30); // 等待键盘输入
        if (keyboard == 'q' || keyboard == 27) // 如果输入'q'或Esc则退出循环
            break;
    }
}

该代码使用C++和OpenCV库实现了MeanShift追踪算法来追踪视频中的一个目标。程序首先解析命令行参数来获取视频文件路径，然后使用OpenCV的视频捕获功能来读取视频。它设置了一个初始追踪窗口，计算该窗口中的颜色直方图，并使用归一化处理。接着，程序进入一个循环，在循环中通过MeanShift算法更新追踪窗口的位置，并在视频帧中显示结果。用户可以按'q'或Esc键来退出视频追踪。