电赛机器视觉——均值漂移目标跟踪

 # 创建时间：2019年8月1日

    
 # meanshift均值漂移目标跟踪
    
  
    
 import numpy as np
    
 import cv2
    
  
    
  
    
 # meanshift兴趣区域跟踪
    
 # 输入参数：img目标区域图像矩阵；frame：训练图像矩阵
    
 # 输出参数：中心点坐标cx,xy;输出图像矩阵output_img
    
 def meanshift(img, frame):
    
  
    
     # 标记初始感兴趣区域
    
     r, h, c, w = 140, 390, 190, 725
    
     # r, h, c, w = 0, 720, 0, 1280
    
     # 组成一个元组
    
     track_window = (c, r, w, h)
    
     # 提取感兴趣的区域并将其转换成HSV
    
     roi = img[r:r+h, c:c+w]
    
     hsv_roi = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
     # 创建包含具有HSV的RIO所有像素的掩码
    
     mask = cv2.inRange(hsv_roi, np.array((100., 30., 32.)), np.array((180., 120., 255.)))
    
     # 计算感兴趣区域ROI的直方图并将其归一化
    
     roi_hist = cv2.calcHist([hsv_roi], [0], mask, [180], [0,180])
    
     cv2.normalize(roi_hist,roi_hist, 0, 255, cv2.NORM_MINMAX)
    
     # 指定均值漂移终止一系列的计算行为
    
     # 均值漂移迭代十次后或者中心移动至少一个像素时，终止
    
     term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1)
    
     # 处理训练图像
    
     hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
     # 直方图反向投影，求得每个像素点的概率
    
     dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
    
     # 求得每个像素点的概率
    
     ret, track_window = cv2.meanShift(dst, track_window, term_crit)
    
     # 作图
    
     x, y, w, h = track_window
    
     # 计算中心点坐标
    
     cx = int(x + w / 2)
    
     cy = int(y + h / 2)
    
     print('中心坐标:', cx, cy)
    
     output_img = cv2.rectangle(frame, (x, y), (x+w, y+h), 255, 2)
    
  
    
     return output_img, cx, cy
    
  
    
 cap = cv2.VideoCapture('../video/test_rectangle_2.mp4')
    
 # 目标兴趣区域
    
 img = cv2.imread('pure_rectangle.jpg')
    
  
    
 while cap.isOpened():
    
  
    
     ret, frame = cap.read()
    
     img2, x, y = meanshift(img, frame)
    
  
    
     cv2.imshow('img2', img2)
    
     k = cv2.waitKey(60) & 0xff
    
     if k == 27:
    
     break
    
  
    
  
    
 cv2.destroyAllWindows()
    
 cap.release()
    
    
    
    
    AI助手