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

小淼前端的个人空间_哔哩哔哩_bilibili

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.htmlhttps://blog.csdn.net/lbcyllqj/category_12089557.html

目录

前言

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

详细代码讲解

完整代码及注释

结果演示

区域性全部实时动态目标跟踪 适用夜视跟踪 范围性观察等

思路构建

详细代码讲解

完整代码及注释

结果显示

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

区域性全部实时动态目标跟踪 适用夜视跟踪 范围性观察等 思路构建

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》