Kotlin OpenCV 视频分析和对象跟踪60 MIL 对象跟踪

news2024/9/25 8:25:30

Kotlin OpenCV 视频分析和对象跟踪60 MIL 对象跟踪

1 OpenCV 对象跟踪算法
2 Kotlin 引入依赖
3 OpenCV 下载
4 Kotlin OpenCV MIL 对象跟踪

1 OpenCV 对象跟踪算法

算法	算法	特点
1 BOOSTING Tracker	基于 AdaBoost 算法。	适合于简单的对象跟踪任务。算法较老，在复杂场景中表现一般。
2 KCF Tracker (Kernelized Correlation Filters)	基于核相关滤波器的算法。	计算速度快，适合实时应用。对尺度变化和旋转的适应性较差。
3 TLD Tracker (Tracking-Learning-Detection)	结合了跟踪、学习和检测的三部分。	适合处理长时间跟踪和对象消失再出现的情况。复杂度较高，运行速度较慢。
4 MedianFlow Tracker	基于光流法的中值流算法。	对预测跟踪位置的误差敏感，适合处理稳定运动的对象。在快速运动或剧烈变化的背景下效果不佳。
5 GOTURN Tracker (Generic Object Tracking Using Regression Networks)	基于深度学习的回归网络。	不需要在线更新模型，跟踪效果稳定。需要大量的训练数据，计算资源需求较高。
6 MOSSE Tracker (Minimum Output Sum of Squared Error)	基于最小输出平方误差的滤波器。	计算速度非常快，适合实时跟踪。对噪声和光照变化敏感。
7 CSRT Tracker (Discriminative Correlation Filter with Channel and Spatial Reliability)	改进的相关滤波器，具有空间和通道可靠性。	在复杂背景下表现优异，对尺度变化有较好适应性。计算量较大，速度较慢。
8 DaSiamRPN Tracker (Siamese Region Proposal Network)	基于孪生网络的区域建议方法。	能够处理快速运动和尺度变化。需要预先训练好的模型，计算资源需求高。
9 MIL Tracker (Multiple Instance Learning)	基于多实例学习算法。	能够处理部分遮挡的问题。在动态变化的背景下表现不佳。

2 Kotlin 引入依赖

<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>opencv-platform</artifactId>
    <version>4.9.0-1.5.10</version>
</dependency>

3 OpenCV 下载

OpenCV 下载地址
在这里插入图片描述

4 Kotlin OpenCV MIL 对象跟踪

Kotlin OpenCV 全部代码

package com.xu.com.xu.tracking

import org.bytedeco.opencv.global.opencv_highgui
import org.bytedeco.opencv.global.opencv_imgproc
import org.bytedeco.opencv.opencv_core.Mat
import org.bytedeco.opencv.opencv_core.Rect
import org.bytedeco.opencv.opencv_core.Scalar
import org.bytedeco.opencv.opencv_video.Tracker
import org.bytedeco.opencv.opencv_video.TrackerMIL
import org.bytedeco.opencv.opencv_videoio.VideoCapture
import org.opencv.core.Core
import java.io.File
import java.util.*


object Tracking {

    init {
        val os = System.getProperty("os.name")
        val type = System.getProperty("sun.arch.data.model")
        if (os.uppercase(Locale.getDefault()).contains("WINDOWS")) {
            val lib = if (type.endsWith("64")) {
                File("lib\\opencv-4.9\\x64\\" + System.mapLibraryName(Core.NATIVE_LIBRARY_NAME))
            } else {
                File("lib\\opencv-4.9\\x86\\" + System.mapLibraryName(Core.NATIVE_LIBRARY_NAME))
            }
            System.load(lib.absolutePath)
        }
        println(Core.VERSION)
    }

    @JvmStatic
    fun main(args: Array<String>) {
        val video = VideoCapture("lib/data/video/cup.mp4")
        // 第一帧影像
        val first = Mat()
        video.read(first)
        // 鼠标框选区域
        val roi: Rect? = opencv_highgui.selectROI("Select", first, false, false, false)
        opencv_highgui.destroyWindow("Select")
        // 创建跟踪器
        val tracker: Tracker = TrackerMIL.create()
        tracker.init(first, roi)
        while (video.read(first)) {
            // 更新跟踪器
            val ok = tracker.update(first, roi)
            if (ok) {
                opencv_imgproc.rectangle(first, roi, Scalar(0.0, 0.0, 225.0, 0.0))
            } else {
                println("跟踪失败")
            }
            opencv_highgui.imshow("Tracking", first)
            if (opencv_highgui.waitKey(1) == 27) {
                break
            }
        }
        video.release()
        opencv_highgui.destroyAllWindows()
    }

}