首页 | 新闻 | 新品 | 文库 | 方案 | 视频 | 下载 | 商城 | 开发板 | 数据中心 | 座谈新版 | 培训 | 工具 | 博客 | 论坛 | 百科 | GEC | 活动 | 主题月 | 电子展
返回列表 回复 发帖

Camshift算法原理及其Opencv实现

Camshift算法原理及其Opencv实现

Camshift原理
camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图,初始化一个搜索窗的大小和位置,并根据上一帧得到的结果自适应调整搜索窗口的位置和大小,从而定位出当前图像中目标的中心位置。

分为三个部分:
1--色彩投影图(反向投影):
(1).RGB颜色空间对光照亮度变化较为敏感,为了减少此变化对跟踪效果的影响,首先将图像从RGB空间转换到HSV空间。(2).然后对其中的H分量作直方图,在直方图中代表了不同H分量值出现的概率或者像素个数,就是说可以查找出H分量大小为h的概率或者像素个数,即得到了颜色概率查找表。(3).将图像中每个像素的值用其颜色出现的概率对替换,就得到了颜色概率分布图。这个过程就叫反向投影,颜色概率分布图是一个灰度图像。

2--meanshift
meanshift算法是一种密度函数梯度估计的非参数方法,通过迭代寻优找到概率分布的极值来定位目标。
算法过程为:
(1).在颜色概率分布图中选取搜索窗W
(2).计算零阶距:

计算一阶距:

计算搜索窗的质心:

(3).调整搜索窗大小
宽度为;长度为1.2s;
(4).移动搜索窗的中心到质心,如果移动距离大于预设的固定阈值,则重复2)3)4),直到搜索窗的中心与质心间的移动距离小于预设的固定阈值,或者循环运算的次数达到某一最大值,停止计算。关于meanshift的收敛性证明可以google相关文献。

3--camshift
将meanshift算法扩展到连续图像序列,就是camshift算法。它将视频的所有帧做meanshift运算,并将上一帧的结果,即搜索窗的大小和中心,作为下一帧meanshift算法搜索窗的初始值。如此迭代下去,就可以实现对目标的跟踪。
算法过程为:
(1).初始化搜索窗
(2).计算搜索窗的颜色概率分布(反向投影)
(3).运行meanshift算法,获得搜索窗新的大小和位置。
(4).在下一帧视频图像中用(3)中的值重新初始化搜索窗的大小和位置,再跳转到(2)继续进行。

camshift能有效解决目标变形和遮挡的问题,对系统资源要求不高,时间复杂度低,在简单背景下能够取得良好的跟踪效果。但当背景较为复杂,或者有许多与目标颜色相似像素干扰的情况下,会导致跟踪失败。因为它单纯的考虑颜色直方图,忽略了目标的空间分布特性,所以这种情况下需加入对跟踪目标的预测算法。

OpenCV实现camshift算法的例子:
[cpp] view plain copy


  • //对运动物体的跟踪:
  • //如果背景固定,可用帧差法 然后在计算下连通域 将面积小的去掉即可
  • //如果背景单一,即你要跟踪的物体颜色和背景色有较大区别 可用基于颜色的跟踪 如CAMSHIFT 鲁棒性都是较好的
  • //如果背景复杂,如背景中有和前景一样的颜色 就需要用到一些具有预测性的算法 如卡尔曼滤波等 可以和CAMSHIFT结合

  • #ifdef _CH_
  • #pragma package <opencv>
  • #endif

  • #ifndef _EiC
  • #include "cv.h"
  • #include "highgui.h"
  • #include <stdio.h>
  • #include <ctype.h>
  • #endif

  • IplImage *image = 0, *hsv = 0, *hue = 0, *mask = 0, *backproject = 0, *histimg = 0;  
  • //用HSV中的Hue分量进行跟踪
  • CvHistogram *hist = 0;  
  • //直方图类
  • int backproject_mode = 0;  
  • int select_object = 0;  
  • int track_object = 0;  
  • int show_hist = 1;  
  • CvPoint origin;  
  • CvRect selection;  
  • CvRect track_window;  
  • CvBox2D track_box;  
  • //Meanshift跟踪算法返回的Box类
  • //typedef struct CvBox2D{
  • //CvPoint2D32f center; /* 盒子的中心 */
  • //CvSize2D32f size; /* 盒子的长和宽 */
  • //float angle; /* 水平轴与第一个边的夹角,用弧度表示*/
  • //}CvBox2D;
  • CvConnectedComp track_comp;  
  • //连接部件
  • //typedef struct CvConnectedComp{
  • //double area; /* 连通域的面积 */
  • //float value; /* 分割域的灰度缩放值 */
  • //CvRect rect; /* 分割域的 ROI */
  • //} CvConnectedComp;
  • int hdims = 16;  
  • //划分直方图bins的个数,越多越精确
  • float hranges_arr[] = {0,180};  
  • //像素值的范围
  • float* hranges = hranges_arr;  
  • //用于初始化CvHistogram类
  • int vmin = 10, vmax = 256, smin = 30;  
  • //用于设置滑动条

  • void on_mouse( int event, int x, int y, int flags, void* param )  
  • //鼠标回调函数,该函数用鼠标进行跟踪目标的选择
  • {  
  •     if( !image )  
  •         return;  

  •     if( image->origin )  
  •         y = image->height - y;  
  •     //如果图像原点坐标在左下,则将其改为左上

  •     if( select_object )  
  •     //select_object为1,表示在用鼠标进行目标选择
  •     //此时对矩形类selection用当前的鼠标位置进行设置
  •     {  
  •         selection.x = MIN(x,origin.x);  
  •         selection.y = MIN(y,origin.y);  
  •         selection.width = selection.x + CV_IABS(x - origin.x);  
  •         selection.height = selection.y + CV_IABS(y - origin.y);  

  •         selection.x = MAX( selection.x, 0 );  
  •         selection.y = MAX( selection.y, 0 );  
  •         selection.width = MIN( selection.width, image->width );  
  •         selection.height = MIN( selection.height, image->height );  
  •         selection.width -= selection.x;  
  •         selection.height -= selection.y;  
  •     }  

  •     switch( event )  
  •     {  
  •     case CV_EVENT_LBUTTONDOWN:  
  •         //鼠标按下,开始点击选择跟踪物体
  •         origin = cvPoint(x,y);  
  •         selection = cvRect(x,y,0,0);  
  •         select_object = 1;  
  •         break;  
  •     case CV_EVENT_LBUTTONUP:  
  •         //鼠标松开,完成选择跟踪物体
  •         select_object = 0;  
  •         if( selection.width > 0 && selection.height > 0 )  
  •             //如果选择物体有效,则打开跟踪功能
  •             track_object = -1;  
  •         break;  
  •     }  
  • }  


  • CvScalar hsv2rgb( float hue )  
  • //用于将Hue量转换成RGB量
  • {  
  •     int rgb[3], p, sector;  
  •     static
    const
    int sector_data[][3]=  
  •         {{0,2,1}, {1,2,0}, {1,0,2}, {2,0,1}, {2,1,0}, {0,1,2}};  
  •     hue *= 0.033333333333333333333333333333333f;  
  •     sector = cvFloor(hue);  
  •     p = cvRound(255*(hue - sector));  
  •     p ^= sector & 1 ? 255 : 0;  

  •     rgb[sector_data[sector][0]] = 255;  
  •     rgb[sector_data[sector][1]] = 0;  
  •     rgb[sector_data[sector][2]] = p;  

  •     return cvScalar(rgb[2], rgb[1], rgb[0],0);  
  • }  
继承事业,薪火相传
返回列表