Day5--扩展:移动对象跟踪

这篇具有很好参考价值的文章主要介绍了Day5--扩展:移动对象跟踪。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

OpenCV Track Object Movement

作为day5扩展–https://pyimagesearch.com/2015/09/14/ball-tracking-with-opencv/?utm_source=Drip&utm_medium=Email&utm_campaign=CVandDLCrashCourse&utm_content=email5

参考博客:https://pyimagesearch.com/2015/09/21/opencv-track-object-movement/

跟踪图像中的对象移动,确定对象的移动方向

# import the necessary packages
from collections import deque
from imutils.video import VideoStream
import numpy as np
import argparse
import cv2
import imutils
import time

# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-v", "--video",
	help="path to the (optional) video file")
ap.add_argument("-b", "--buffer", type=int, default=32,
	help="max buffer size")
args = vars(ap.parse_args())

# define the lower and upper boundaries of the "green"
# ball in the HSV color space
greenLower = (29, 86, 6)
greenUpper = (64, 255, 255)

# initialize the list of tracked points, the frame counter,
# and the coordinate deltas
pts = deque(maxlen=args["buffer"])
counter = 0
(dX, dY) = (0, 0)
direction = ""

# if a video path was not supplied, grab the reference
# to the webcam
if not args.get("video", False):
	vs = VideoStream(src=0).start()

# otherwise, grab a reference to the video file
else:
	vs = cv2.VideoCapture(args["video"])

# allow the camera or video file to warm up
time.sleep(2.0)


# keep looping
while True:
	# grab the current frame
	frame = vs.read()

	# handle the frame from VideoCapture or VideoStream
	frame = frame[1] if args.get("video", False) else frame

	# if we are viewing a video and we did not grab a frame,
	# then we have reached the end of the video
	if frame is None:
		break

	# resize the frame, blur it, and convert it to the HSV
	# color space
	frame = imutils.resize(frame, width=600)
	blurred = cv2.GaussianBlur(frame, (11, 11), 0)
	hsv = cv2.cvtColor(blurred, cv2.COLOR_BGR2HSV)

	# construct a mask for the color "green", then perform
	# a series of dilations and erosions to remove any small
	# blobs left in the mask
	mask = cv2.inRange(hsv, greenLower, greenUpper)
	mask = cv2.erode(mask, None, iterations=2)
	mask = cv2.dilate(mask, None, iterations=2)

	# find contours in the mask and initialize the current
	# (x, y) center of the ball
	cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
		cv2.CHAIN_APPROX_SIMPLE)
	cnts = imutils.grab_contours(cnts)
	center = None

    # only proceed if at least one contour was found
	if len(cnts) > 0:
		# find the largest contour in the mask, then use
		# it to compute the minimum enclosing circle and
		# centroid
		c = max(cnts, key=cv2.contourArea)
		((x, y), radius) = cv2.minEnclosingCircle(c)
		M = cv2.moments(c)
		center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))

		# only proceed if the radius meets a minimum size
		if radius > 10:
			# draw the circle and centroid on the frame,
			# then update the list of tracked points
			cv2.circle(frame, (int(x), int(y)), int(radius),
				(0, 255, 255), 2)
			cv2.circle(frame, center, 5, (0, 0, 255), -1)
			pts.appendleft(center)

# -----------与之前的轨迹绘制代码  开始  不同-----------

# 实际跟踪物体的移动,然后使用这个物体的移动来计算物体的移动方向,只使用物体的(x,y)坐标
# loop over the set of tracked points
	for i in np.arange(1, len(pts)):
		# if either of the tracked points are None, ignore
		# them
		if pts[i - 1] is None or pts[i] is None:
			continue

		# check to see if enough points have been accumulated in
		# the buffer
		if counter >= 10 and i == 1 and pts[-10] is not None:
			# compute the difference between the x and y
			# coordinates and re-initialize the direction
			# text variables
			dX = pts[-10][0] - pts[i][0]
			dY = pts[-10][1] - pts[i][1]
			(dirX, dirY) = ("", "")
            # dx和dy,分别是当前帧和靠近缓冲区末端的帧的x和y坐标之间的差值


#----------此处阈值限制运动范围-----------

			# ensure there is significant movement in the
			# x-direction
			if np.abs(dX) > 20:         # 检查是否有显著差异
				# x坐标之间存在超过20个像素的差异,我们需要确定对象正在朝哪个方向移动
				dirX = "East" if np.sign(dX) == 1 else "West"
				# 正的--向右移动;否则--向左移动

			# ensure there is significant movement in the
			# y-direction
			if np.abs(dY) > 20:
				dirY = "North" if np.sign(dY) == 1 else "South"


			# handle when both directions are non-empty
			if dirX != "" and dirY != "":
				direction = "{}-{}".format(dirY, dirX)
			# 沿对角线移动的情况,并相应地更新方向变量

			# otherwise, only one direction is non-empty
			else:
				direction = dirX if dirX != "" else dirY




        # otherwise, compute the thickness of the line and
		# draw the connecting lines
		thickness = int(np.sqrt(args["buffer"] / float(i + 1)) * 2.5)
		cv2.line(frame, pts[i - 1], pts[i], (0, 0, 255), thickness)

	# show the movement deltas and the direction of movement on
	# the frame
	cv2.putText(frame, direction, (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
		0.65, (0, 0, 255), 3)
	cv2.putText(frame, "dx: {}, dy: {}".format(dX, dY),
		(10, frame.shape[0] - 10), cv2.FONT_HERSHEY_SIMPLEX,
		0.35, (0, 0, 255), 1)

	# show the frame to our screen and increment the frame counter
	cv2.imshow("Frame", frame)
	key = cv2.waitKey(1) & 0xFF
	counter += 1

	# if the 'q' key is pressed, stop the loop
	if key == ord("q"):
		break

# if we are not using a video file, stop the camera video stream
if not args.get("video", False):
	vs.stop()

# otherwise, release the camera
else:
	vs.release()

# close all windows
cv2.destroyAllWindows()


# $ python object_movement.py --video object_tracking_example.mp4
# https://pyimagesearch.com/2015/09/21/opencv-track-object-movement/

重要的是要注意,执行此计算有一点困难。
显而易见的第一个解决方案是计算对象在当前帧和上一帧之间的方向。
但是,使用当前帧和前一帧是一种不稳定的解决方案。
除非物体移动得非常快,否则(x,y)坐标之间的差值将非常小。
如果我们使用这些增量来报告方向,那么我们的结果将是极其嘈杂的,这意味着即使是轨迹上的微小变化也会被认为是方向变化。
事实上,这些变化可能非常小,以至于肉眼几乎看不见(或者至少是微不足道的)–我们很可能对报告和跟踪如此微小的运动不是很感兴趣。

相反,我们更有可能对更大的对象移动感兴趣,并报告对象移动的方向-因此,我们计算当前帧和队列中更靠后的帧的坐标之间的差值。
执行此操作有助于减少噪音和方向更改的错误报告文章来源地址https://www.toymoban.com/news/detail-507588.html

到了这里,关于Day5--扩展:移动对象跟踪的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • C++day5

     2、   运行效果如下  

    2024年02月12日
    浏览(41)
  • 国庆假期day5

    1.OSI七层模型: 应用层--------提供函 表示层--------表密缩 会话层--------会话 传输层--------进程的接收和发送 网络层--------寻主机 数据链路层----相邻节点的可靠传输 物理层--------二进制比特流 OSI四层(五层)模型: 应用层 传输层 网络层 数据链路层+物理层-----网络接口和物理

    2024年02月07日
    浏览(37)
  • 学成在线----day5

    当前要开发的是媒资管理服务,目前为止共三个微服务:内容管理、系统管理、媒资管理,如下图: 后期还会添加更多的微服务,当前这种由前端直接请求微服务的方式存在弊端: 如果在前端对每个请求地址都配置绝对路径,非常不利于系统维护,比如下边代码中请求系统

    2024年02月08日
    浏览(54)
  • Qt(Day5)

    写TCP服务器与客户端:    

    2024年02月13日
    浏览(42)
  • QT day5

    服务器: 客户端: 思维导图:

    2024年02月09日
    浏览(28)
  • 菜鸟刷题Day5

    ⭐作者:别动我的饭 ⭐专栏:菜鸟刷题 ⭐标语:悟已往之不谏,知来者之可追 描述 给你一个数组 nums 。数组「动态和」的计算公式为:runningSum[i] = sum(nums[0]…nums[i]) 。 请返回 nums 的动态和。 示例: 解题思路 1.通过观察示例可以发现,其实runningSum[0]和nums[0]相等,runningSu

    2023年04月08日
    浏览(33)
  • 【C刷题】day5

    一、选择题 1、如下程序的功能是( ) A: 测字符数组ch的长度 B: 将数字字符串ch转换成十进制数 C: 将字符数组ch中的小写字母转换成大写 D: 将字符数组ch中的大写字母转换成小写 【答案】: D 【解析】: 考点:大小写转换(ASCII值) 一个字母对应的小写比大写的ASCII码值大

    2024年02月08日
    浏览(41)
  • 网络编程day5

    思维导图 多路复用 selsect ser cli poll ser cli

    2024年01月22日
    浏览(42)
  • day5 - 利用阈值勾勒

    阈值处理在计算机视觉技术中占有十分重要的位置,他是很多高级算法的底层逻辑之一。本实验将练习使用图像阈值处理技术来处理不同的情况的图像,并获得图像轮廓。 完成本期内容,你可以: 了解图像阈值处理技术的定义和作用 掌握各阈值处理技术的原理 了解自适应阈

    2024年02月06日
    浏览(32)
  • C高级day5

    实现一个对数组求和的函数,数组通过实参传递给函数 写一个函数,输出当前用户的uid和gid,并使用变量接收结果 思维导图

    2024年02月09日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包