簡介

MIL: TrackerMIL 以線上方式訓練分類器將物件與背景分離;多例項學習避免魯棒跟蹤的漂移問題.

OLB: TrackerBoosting 基於AdaBoost演算法的線上實時物件跟蹤.分類器在更新步驟中使用周圍背景作為反例以避免漂移問題.

MedianFlow: TrackerMedianFlow 跟蹤器適用於非常平滑和可預測的運動,物體在整個序列中可見.

TLD: TrackerTLD 將長期跟蹤任務分解為跟蹤，學習和檢測.跟蹤器在幀之間跟蹤物件.探測器本地化所觀察到的所有外觀,並在必要時糾正跟蹤器.學習估計檢測器的錯誤並進行更新以避免再出現這些錯誤.追蹤器能夠處理快速運動,部分遮擋,物體缺失等情況.

KCF: TrackerKCF 使用目標周圍區域的迴圈矩陣採集正負樣本,利用脊迴歸訓練目標檢測器,併成功的利用迴圈矩陣在傅立葉空間可對角化的性質將矩陣的運算轉化為向量的Hadamad積,即元素的點乘,大大降低了運算量,提高了運算速度,使演算法滿足實時性要求.

部分相關API:

TrackerMIL

 static Ptr<TrackerMIL> create(const TrackerMIL::Params ¶meters);
 CV_WRAP static Ptr<TrackerMIL> create();

struct CV_EXPORTS Params
 {
 PARAMS（）;
  //取樣器的引數
  float samplerInitInRadius; //初始收集正面例項的半徑
  int samplerInitMaxNegNum; //初始使用負樣本
  float samplerSearchWinSize; //搜尋視窗的大小
  float samplerTrackInRadius; //在跟蹤期間收集正面例項的半徑
  int samplerTrackMaxPosNum; //在追蹤期間使用正面樣本
  int samplerTrackMaxNegNum; //在跟蹤期間使用的負樣本
  int featureSetNumFeatures; //特徵

  void read（const FileNode＆fn）;
  void write（FileStorage＆fs）const;
 };

TrackerBoosting

 static Ptr<TrackerBoosting> create(const TrackerBoosting::Params ¶meters);
 CV_WRAP static Ptr<TrackerBoosting> create();

 struct CV_EXPORTS Params
{
 PARAMS（）;
  int numClassifiers; //在OnlineBoosting演算法中使用的分類器的數量
  float samplerOverlap; //搜尋區域引數
  float samplerSearchFactor; //搜尋區域引數
  int iterationInit; //初始迭代
  int featureSetNumFeatures; //特徵
 //從檔案讀取引數
  void read（const FileNode＆fn）;
 //從檔案寫入引數
  void write（FileStorage＆fs）const;
 };

示例

首先獲取視訊的第一幀,通過點選左鍵框選選擇要跟蹤的目標,點選右鍵確認並使用MIL開始跟蹤.(從實際情況看來,演算法對過程中有遮擋的情況跟蹤能力較差.)

(環境:Ubuntu16.04+QT5.8+opencv3.3.1)

#include <opencv2/opencv.hpp>
#include <opencv2/video.hpp>
#include <opencv2/tracking.hpp>
#include <opencv2/tracking/tracker.hpp>

using namespace cv;

void draw_rectangle(int event,int x,int y,int flags,void*);
Mat firstFrame;
Point previousPoint,currentPoint;
Rect2d bbox;
int main(int argc,char *argv[])
{
 VideoCapture capture;
 Mat frame;
 frame = capture.open("/home/w/mycode/QT/img/runners.avi");
 if(!capture.isOpened())
 {
  printf("can not open ...\n");
  return -1;
 }
 //獲取視訊的第一幀,並框選目標
 capture.read(firstFrame);
 if(!firstFrame.empty())
 {
  namedWindow("output",WINDOW_AUTOSIZE);
  imshow("output",firstFrame);
  setMouseCallback("output",draw_rectangle,0);
  waitKey();
 }
 //使用TrackerMIL跟蹤
 Ptr<TrackerMIL> tracker= TrackerMIL::create();
 //Ptr<TrackerTLD> tracker= TrackerTLD::create();
 //Ptr<TrackerKCF> tracker = TrackerKCF::create();
 //Ptr<TrackerMedianFlow> tracker = TrackerMedianFlow::create();
 //Ptr<TrackerBoosting> tracker= TrackerBoosting::create();
 capture.read(frame);
 tracker->init(frame,bbox);
 namedWindow("output",WINDOW_AUTOSIZE);
 while (capture.read(frame))
 {
  tracker->update(frame,bbox);
  rectangle(frame,bbox,Scalar(255,0),2,1);
  imshow("output",frame);
  if(waitKey(20)=='q')
  return 0;
 }
 capture.release();
 destroyWindow("output");
 return 0;
}

//框選目標
void draw_rectangle(int event,void*)
{
 if (event == EVENT_LBUTTONDOWN)
 {
  previousPoint = Point(x,y);
 }
 else if (event == EVENT_MOUSEMOVE && (flags&EVENT_FLAG_LBUTTON))
 {
  Mat tmp;
  firstFrame.copyTo(tmp);
  currentPoint = Point(x,y);
  rectangle(tmp,previousPoint,currentPoint,Scalar(0,255,1,8,0);
  imshow("output",tmp);
 }
 else if (event == EVENT_LBUTTONUP)
 {
  bbox.x = previousPoint.x;
  bbox.y = previousPoint.y;
  bbox.width = abs(previousPoint.x-currentPoint.x);
  bbox.height = abs(previousPoint.y-currentPoint.y);
 }
 else if (event == EVENT_RBUTTONUP)
 {
  destroyWindow("output");
 }
}

實驗對比發現:KCF速度最快,MedianFlow的速度也較快,對於無遮擋情況跟蹤效果較好;TLD對部分遮擋處理的效果最好,處理時間相對較慢.

部分遮擋處理效果

MIL對部分遮擋的處理效果:

opencv::Tracker Algorithms

以上這篇opencv3/C++ 使用Tracker實現簡單目標跟蹤就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。