大家好 我是csdn的博主 lqj_本人
这是我的个人博客主页 lqj_本人的博客_CSDN博客-微信小程序,前端,vue领域博主lqj_本人擅长微信小程序,前端,vue,等方面的知识https://blog.csdn.net/lbcyllqj?spm 1000.2115.3001.5343
哔哩哔哩欢迎关注 小淼前端
本篇文章主要讲述python的人工智能目标跟踪 本篇文章已经成功收录到我们python专栏中 https://blog.csdn.net/lbcyllqj/category_12089557.html
https://blog.csdn.net/lbcyllqj/category_12089557.html
目录
区域性锁定目标实时动态跟踪 适用 警方追捕 无人机锁定拍摄等
本程序主要实现了python的opencv人工智能视觉模块的目标跟踪功能。
若不知道怎么安装opencv或者使用的请看我的这篇文章 曾上过csdn综合热榜的top1
python进阶——人工智能视觉识别_lqj_本人的博客-CSDN博客
项目介绍 区域性锁定目标实时动态跟踪 适用 警方追捕 无人机锁定拍摄等 首先先介绍几种AI视觉算法特性
1.BOOSTING:算法原理类似于Harr cascdes(AdaBoost),是一种很老的算法。这个算法速度慢并且不准。
2.MIL 比BOOSTING准一点
3.KCF 速度比BOOSTING和MIL更快 与BOOSTING和MIL一样不能很好的处理遮挡问题。
4.CSRT:比KCF更准一些 但是速度比KCF慢
5.MedianFlow:对于快速移动的目标和外形比那花迅速的目标效果不好
6.TLD 会产生朵的false-posittives
7.MOSSE 算法速度非常快 但是准确率比不上KCF和CSRT 在一些追求算法的速度场合很适用
8.GOTURN OpenCV中自带的唯一一个基于深度学习的算法 运行短发需要提前下载好模型文件
分别对应的伴生的函数
kcf:cv2.legacy.TrackerKCF_create csrt:cv2.legacy.TrackerCSRT_create boosting:cv2.legacy.TrackerBoosting_create mil:cv2.legacy.TrackerMIL_create tld:cv2.legacy.TrackerTLD_create medianflow:cv2.legacy.TrackerMedianFlow_create mosse:cv2.legacy.TrackerMOSSE_create详细代码讲解
导入cv模块
import cv2
使用csrt算法 引用伴生函数 并赋值给tracker
tracker cv2.legacy.TrackerCSRT_create()
读取视频流
cap cv2.VideoCapture( 11.mp4 )
先读取到第一帧
ret,frame cap.read()
使用selectROI 前景 画框将目标框起 并赋值给bbox
bbox cv2.selectROI( A ,frame,fromCenter False,showCrosshair True)
初始化tracker 将上面的两个值传入
tracker.init(frame,bbox)
读取每一帧
ret,frame cap.read()
根据每一帧来更新tracker
ok,box tracker.update(frame)
若读取成功 就定位画框 并跟随
if ok : (x,y,w,h) [int(v) for v in box] cv2.rectangle(frame,pt1 (int(x),int(y)),pt2 (int(x) int(w),int(y) int(h)),color (0,255,0),thickness 2)
显示视频流
cv2.imshow( A , frame)
等待50毫秒或按空格键退出
if cv2.waitKey(50) ord( ): break
释放视频流和释放窗口
cap.release() cv2.destroyAllWindows()完整代码及注释
import cv2 tracker cv2.legacy.TrackerCSRT_create()#使用csrt算法 引用伴生函数 并赋值给tracker cap cv2.VideoCapture( 11.mp4 )#读取视频流 ret,frame cap.read()#先读取第一帧 bbox cv2.selectROI( A ,frame,fromCenter False,showCrosshair True)#使用selectROI 前景 画框将目标框起 并赋值给bbox tracker.init(frame,bbox)#初始化tracker 将上面的两个值传入 while True: ret,frame cap.read()#读取每一帧 ok,box tracker.update(frame)#根据每一帧来跟新tracker # 若读取成功 我们就定位画框 并跟随 if ok : (x,y,w,h) [int(v) for v in box] cv2.rectangle(frame,pt1 (int(x),int(y)),pt2 (int(x) int(w),int(y) int(h)),color (0,255,0),thickness 2) cv2.imshow( A , frame)#显示视频流 if cv2.waitKey(50) ord( ):#等待50毫秒或键盘按空格键退出 break # 释放视频流 释放窗口 cap.release() cv2.destroyAllWindows()结果演示

1.先将实时摄像流或录制视频流 灰度转化并高斯模糊
2.用二值化算法将流中的物体轮廓扩充
3.分别先读到第一帧和第二帧 让其对比
4.寻找对比后 流的轮廓位置 并开启简易模式
5.过滤物体的矩阵轮廓将其定位绘出
详细代码讲解导入cv模块
import cv2
将视频流转换并让其高斯模糊
gray cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) blur cv2.GaussianBlur(gray,(5,5),0)
二值化扩充
_,thresh cv2.threshold(blur,20,255,cv2.THRESH_BINARY) dilated cv2.dilate(thresh,None,iterations 3) return dilated
读取视频流或实时摄像流
cap cv2.VideoCapture( 11.mp4 )
读取第一帧
ret,frame1 cap.read()
读取第二帧
ret,frame2 cap.read()
判断cap是否为打开状态
while cap.isOpened():
若为打开 则第一帧与第二帧比较
diff cv2.absdiff(frame1,frame2) mask filter_img(diff)
寻找比较后的物体轮廓 并开启简易模式
contours,_ cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
使用方框将视频流中的物体框出 得到矩阵的宽高
(x,y,w,h) cv2.boundingRect(contour)
若矩阵的面积小于10 根据视频流中物体的大小来定义 直接无视
if cv2.contourArea(contour) 10:
将过滤的物体的矩阵轮廓绘出 一定要用int整形
cv2.rectangle(frame1,pt1 (int(x),int(y)),pt2 (int(x) int(w),int(y) int(h)),color (0,255,0),thickness 1)
将第一帧显示
cv2.imshow( A ,frame1)
将上面赋值的mask显示
cv2.imshow( B ,mask)
实现前后帧对比 并定位物体运动轨迹
1.将第二帧赋值给第一帧
frame1 frame2
2.再将cap读到的赋值给第二帧
ret,frame2 cap.read()
等待50毫秒或者按空格结束
if cv2.waitKey(50) ord( ): break
释放视频流及释放窗口
cap.release() cv2.destroyAllWindows()完整代码及注释
import cv2 def filter_img(frame): #将视频流转换灰度并让其高斯模糊 gray cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) blur cv2.GaussianBlur(gray,(5,5),0) #二值化将其扩充 _,thresh cv2.threshold(blur,20,255,cv2.THRESH_BINARY) dilated cv2.dilate(thresh,None,iterations 3) return dilated # 读取视频流 cap cv2.VideoCapture( 11.mp4 ) ret,frame1 cap.read()#读到第一帧 ret,frame2 cap.read()#读到第二帧 while cap.isOpened():#判断cap是否打开 diff cv2.absdiff(frame1,frame2)#若打开 则第一帧和第二帧作比较 mask filter_img(diff) contours,_ cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)#寻找视频流的轮廓 简单模式 #用方框将视频流中的物体用矩形框出 for contour in contours: (x,y,w,h) cv2.boundingRect(contour)#得到矩阵的宽高 if cv2.contourArea(contour) 10:#若矩阵的面积小于200 就无视 太小了 continue cv2.rectangle(frame1,pt1 (int(x),int(y)),pt2 (int(x) int(w),int(y) int(h)),color (0,255,0),thickness 1)#将过滤的物体的矩阵轮廓绘出 # cv2.drawContours(frame1,contours,-1,(0,255,0),2)#将视频流中的物体轮廓画出 cv2.imshow( A ,frame1)#将第一帧显示 cv2.imshow( B ,mask)#将mask也显示 frame1 frame2#将第二帧赋值给第一帧 ret,frame2 cap.read()#再将cap读到的赋值给第二帧 if cv2.waitKey(50) ord( ):#等待五十毫秒或者按空格结束 break #销毁cap流 cap.release() #释放窗口 cv2.destroyAllWindows()结果显示

抵扣说明:
1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。
更多文章请关注《万象专栏》
转载请注明出处:https://www.wanxiangsucai.com/read/cv182416