Opencv——目标跟踪Tracker

OpenCV有八种不同的目标追踪工具，他们都可以运用到计算机视觉领域中。本文只用了以下六种对我现有数据的测试

MIL Tracker：追踪器精确，但是失败率比较高。（最低支持OpenCV 3.0.0）

KCF Tracker：比BOOSTING和MIL都快，但是在有遮挡的情况下表现不佳。（最低支持OpenCV 3.1.0）

CSRT Tracker：比KCF稍精确，但速度不如后者。（最低支持OpenCV 3.4.2）

MedianFlow Tracker：在报错方面表现得很好，但是对于快速跳动或快速移动的物体，模型会失效。（最低支持OpenCV 3.0.0）

TLD Tracker：我不确定是不是OpenCV和TLD有什么不兼容的问题，但是TLD的误报非常多，所以不推荐。（最低支持OpenCV 3.0.0）

MOSSE Tracker：速度真心快，但是不如CSRT和KCF的准确率那么高，如果追求速度选它准没错。（最低支持OpenCV 3.4.1）

经过本人你的一番测试，发现与其他五种相比较CSRT Tracker这个跟踪效果最好，即使在遮挡的情况下，但是有一缺点就是处理速度慢，慢到你能很明显看出来是一帧一帧场景的播放。其他几个速度快的精度差，精度好的速度慢。

GOTURN Tracker：这是OpenCV中唯一一深度学习为基础的目标检测器。它需要额外的模型才能运行。这个本人这次没有测试。

用到的函数

返回值是rect，选区的坐标和大小
selectROI(const String& windowName,   //窗口的名字
				InputArray img,       //输入图片
				bool showCrosshair = true, //显示矩形
				bool fromCenter = false);  //选择矩形为初始位置。

cv::Ptr<cv::Tracker> tracker = cv::TrackerMIL::create();
cv::Ptr<cv::Tracker> tracker = cv::TrackerKCF::create();
cv::Ptr<cv::Tracker> tracker = cv::TrackerCSRT::create();
cv::Ptr<cv::Tracker> tracker = cv::TrackerMedianFlow::create();
cv::Ptr<cv::Tracker> tracker = cv::TrackerMOSSE::create();
cv::Ptr<cv::Tracker> tracker = cv::TrackerTLD::create();

tracker->init(InputArray image, const Rect2d& boundingBox);
tracker->update(InputArray image, CV_OUT Rect2d& boundingBox );

代码

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/video/tracking.hpp>
#include <opencv2/tracking/tracker.hpp>

using namespace std;

cv::Mat frame, image1, output;
bool roi = false;
bool video = true;
cv::Rect2d rect;

int main()
{	
	cv::VideoCapture capture;
	capture.open("vtest.avi");
	if (!capture.isOpened())
	{
		cout << "the video isn't opened" << endl;
	}
	//capture.read(image2);
	capture >> image1;
	
	cv::Ptr<cv::Tracker> tracker = cv::TrackerCSRT::create();
	
	while (true)
	{
		
		capture >> image1; 	
		if (cv::waitKey(30) == 112)
		{
			rect = cv::selectROI("image1", image1);
			roi = true;
			video = false;
		}
	
		if (roi)
		{
		    tracker->init(image1, rect);
			tracker->update(image1, rect);
			image1.copyTo(output);
			cv::rectangle(output, rect, cv::Scalar(255, 255, 255), 2);
			cout << rect.x << "-" << rect.y << endl;
			cv::imshow("image1", output);
		}
		if (video)
		{
			cv::imshow("image1", image1);
		}
		    if(cv::waitKey(60) == 27)
				break;
			cv::waitKey(60);
	}
		
	cv::waitKey();
}

CSRT效果