我正在使用opencv的camshift算法进行物体跟踪。输入来自网络摄像头，物体在连续帧之间被跟踪。如何使跟踪更强？如果我以快速速度移动物体，则跟踪会失败。当物体不在画面中时，会出现虚假检测。我该如何改进？
改进OpenCV中的CamShift算法
4
- krackoder
2
我认为仅凭Camshift算法无法解决这个问题。 - karlphillip
1选择用于跟踪的算法强烈依赖于您要跟踪的对象类型。此外，您是在跟踪还是仅定位对象？ - count0
3个回答
2
物体跟踪是计算机视觉中一个活跃的研究领域。有许多算法可以实现它，但没有一种算法能够100%的成功。
如果您需要实时跟踪，则需要使用简单快速的方法。我假设您已经有了一种从背景中分离移动物体的方法。然后，您可以计算出物体的表示，例如颜色直方图，并将其与下一帧中找到的物体进行比较。您还应该检查物体在帧之间是否移动得太远。如果您想尝试更高级的运动跟踪，则应查找卡尔曼滤波器。
确定物体不在帧中也是一个大问题。首先，您要跟踪什么样的物体？人？汽车？狗？您可以构建一个物体分类器，它将告诉您当前帧中移动的物体是否是您感兴趣的对象，而不是噪声或其他类型的物体。分类器可以是非常简单的东西，例如对大小的限制，或者它可以非常复杂。在后一种情况下，您需要了解可以计算的特征、分类算法（如支持向量机），并且您需要收集训练图像来对其进行训练。
总之，一个可靠的跟踪器并不容易构建。
如果您需要实时跟踪，则需要使用简单快速的方法。我假设您已经有了一种从背景中分离移动物体的方法。然后，您可以计算出物体的表示，例如颜色直方图，并将其与下一帧中找到的物体进行比较。您还应该检查物体在帧之间是否移动得太远。如果您想尝试更高级的运动跟踪，则应查找卡尔曼滤波器。
确定物体不在帧中也是一个大问题。首先，您要跟踪什么样的物体？人？汽车？狗？您可以构建一个物体分类器，它将告诉您当前帧中移动的物体是否是您感兴趣的对象，而不是噪声或其他类型的物体。分类器可以是非常简单的东西，例如对大小的限制，或者它可以非常复杂。在后一种情况下，您需要了解可以计算的特征、分类算法（如支持向量机），并且您需要收集训练图像来对其进行训练。
总之，一个可靠的跟踪器并不容易构建。
- Dima
1
假设您在前两帧中找到了对象。通过这些信息，您可以推断出在第三帧中期望的对象位置。不要使用通用的查找对象算法，而是使用更慢、更复杂（因此希望更可靠）的算法，通过限制检查预测的附近区域来实现。它可能不会正好在您的预期位置（也许速度向量正在改变），但您肯定可以减少检查的区域。
这应该有助于减少其他部分被错误地识别为对象的次数（因为您正在查看较小的帧部分，并且因为您正在使用更好的特征检测器）。
根据您发现的内容更新外推，并迭代下一帧。
如果对象超出帧范围，则退回到通用特征检测器，就像处理前两帧一样，并在对象返回视图时再次尝试“锁定”。
此外，如果可能，请尽可能多地照亮物理场景。如果场景昏暗，网络摄像头将使用较长的曝光时间，导致移动物体上的运动模糊增加。运动模糊可能会使特征检测器非常困难（尽管它可以提供有关方向和速度的信息）。
这应该有助于减少其他部分被错误地识别为对象的次数（因为您正在查看较小的帧部分，并且因为您正在使用更好的特征检测器）。
根据您发现的内容更新外推，并迭代下一帧。
如果对象超出帧范围，则退回到通用特征检测器，就像处理前两帧一样，并在对象返回视图时再次尝试“锁定”。
此外，如果可能，请尽可能多地照亮物理场景。如果场景昏暗，网络摄像头将使用较长的曝光时间，导致移动物体上的运动模糊增加。运动模糊可能会使特征检测器非常困难（尽管它可以提供有关方向和速度的信息）。
- Adrian McCarthy
0
我发现如果你扩大camShift搜索窗口的边界，它会使算法对快速移动的物体更加适应，尽管可能会引入一些不规则性。试着将窗口的边界增加10％，看看会发生什么。
- Seth
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接