用Camshift算法对指定目标进行跟踪

时间：2014-08-12 00:47:23 阅读：471 评论：0 收藏：0 [点我收藏+]

原理

Camshift算法是Continuously Adaptive Mean Shift algorithm的简称。它是一个基于MeanSift的改进算法。它首次由Gary R.Bradski等人提出和应用在人脸的跟踪上，并取得了不错的效果。由于它是利用颜色的概率信息进行的跟踪，使得它的运行效率比较高。 Camshift算法的过程由下面步骤组成：

（1）确定初始目标及其区域；

（2）计算出目标的色度（Hue)分量的直方图；

（3）利用直方图计算输入图像的反向投影图（后面做进一步的解释）；

（４）利用MeanShift算法在反向投影图中迭代收索，直到其收敛或达到最大迭代次数。并保存零次矩；

（5）从第（4）步中获得收索窗口的中心位置和计算出新的窗口大小，以此为参数，进入到下一幀的目标跟踪。（即跳转到第（2）步）；

代码

#include "stdafx.h"
#include "opencv2/video/tracking.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

#include <iostream>
#include <ctype.h>

using namespace cv;
using namespace std;

Mat image;

bool backprojMode = false;
bool selectObject = false;
int trackObject = 0;
bool showHist = true;
Point origin;
Rect selection(0,0,50,50);


static void onMouse( int event, int x, int y, int, void* )
{
	switch( event )
	{
	case CV_EVENT_LBUTTONDOWN:
		origin = Point(x,y);
		selection = Rect(x,y,0,0);
		selectObject = true;
		break;
	case CV_EVENT_LBUTTONUP:
		selectObject = false;
		if( selection.width > 0 && selection.height > 0 )
			trackObject = -1;
		break;
	}
	if( selectObject )
	{
		selection.x = MIN(x, origin.x);
		selection.y = MIN(y, origin.y);
		selection.width = std::abs(x - origin.x);
		selection.height = std::abs(y - origin.y);
	}
}

int main( int argc, const char** argv )
{
	cv::VideoCapture capture(0);
	capture.set( CV_CAP_PROP_FRAME_WIDTH,640);
	capture.set( CV_CAP_PROP_FRAME_HEIGHT,480 );
	if(!capture.isOpened())
		return -1;
	double rate = capture.get(CV_CAP_PROP_FPS);		//获取帧率
	int delay = 1000 / rate;	//计算帧间延迟；
	Mat frame,image,hsv,mask,hue;

	namedWindow("test",CV_WINDOW_AUTOSIZE);
	setMouseCallback("test",onMouse,0);
	while (1)
	{
		capture>>frame;
		if(trackObject == -1){ //设置完检测的对象后开始跟踪
			frame.copyTo(image);
			cv::cvtColor(image,hsv,CV_RGB2HSV); 
			cv::inRange(hsv,Scalar(0,130,50),Scalar(180,256,256),mask);	//去掉低饱和度的点
			vector<cv::Mat> v;
			cv::split(hsv,v);			//hsv的三个通道分开
			hue = v[1];
			cv::Mat ROI = hue(selection);	//选择感兴趣的区域
			cv::Mat maskROI = mask(selection);

			cv::MatND hist;
			int histsize[1];
			histsize[0]= 16;

			float hranges[2];
			hranges[0] = 0;
			hranges[1] = 180;

			const float *ranges[1];
			ranges[0] = hranges;
			cv::calcHist(&ROI,1,0,maskROI,hist,1,histsize,ranges);//感兴趣区域的直方图，从参数太多
			cv::normalize(hist,hist,0,180,CV_MINMAX);		//对直方图进行归一化处理；

			cv::Mat backpro;
			cv::calcBackProject(&hue,1,0,hist,backpro,ranges); //对h通道的进行反投影放入backpro中
			backpro &= mask;

			cv::RotatedRect trackBox = cv::CamShift(backpro,selection,
					TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER,10,1));//使用均值秒一算法找出RECT；
			cv::ellipse(frame,trackBox,cv::Scalar(0,0,255),2,CV_AA);
		}
		cv::imshow("test",frame);
		if(waitKey(30) >= 0)
			break;
	}
	capture.release();
	return 0;
}