Opencv实现Camshift算法（物体跟踪）

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。

Demo：//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);  }  int main( int argc, char** argv )  {      CvCapture* capture = 0;      if( argc == 1 || (argc == 2 && strlen(argv[1]) == 1 && isdigit(argv[1][0])))          //打开摄像头          capture = cvCaptureFromCAM( argc == 2 ? argv[1][0] - '0' : 0 );      else if( argc == 2 )          //打开avi          capture = cvCaptureFromAVI( argv[1] );       if( !capture )      //打开视频流失败      {          fprintf(stderr,"Could not initialize capturing...\n");          return -1;      }      printf( "Hot keys: \n"          "\tESC - quit the program\n"          "\tc - stop the tracking\n"          "\tb - switch to/from backprojection view\n"          "\th - show/hide object histogram\n"          "To initialize tracking, select the object with mouse\n" );      //打印程序功能列表      cvNamedWindow( "Histogram", 1 );      //用于显示直方图      cvNamedWindow( "CamShiftDemo", 1 );      //用于显示视频      cvSetMouseCallback( "CamShiftDemo", on_mouse, 0 );      //设置鼠标回调函数      cvCreateTrackbar( "Vmin", "CamShiftDemo", &vmin, 256, 0 );      cvCreateTrackbar( "Vmax", "CamShiftDemo", &vmax, 256, 0 );      cvCreateTrackbar( "Smin", "CamShiftDemo", &smin, 256, 0 );      //设置滑动条      for(;;)      //进入视频帧处理主循环      {          IplImage* frame = 0;          int i, bin_w, c;          frame = cvQueryFrame( capture );          if( !frame )              break;          if( !image )          //image为0,表明刚开始还未对image操作过,先建立一些缓冲区          {              image = cvCreateImage( cvGetSize(frame), 8, 3 );              image->origin = frame->origin;              hsv = cvCreateImage( cvGetSize(frame), 8, 3 );              hue = cvCreateImage( cvGetSize(frame), 8, 1 );              mask = cvCreateImage( cvGetSize(frame), 8, 1 );              //分配掩膜图像空间              backproject = cvCreateImage( cvGetSize(frame), 8, 1 );              //分配反向投影图空间,大小一样,单通道              hist = cvCreateHist( 1, &hdims, CV_HIST_ARRAY, &hranges, 1 );              //分配直方图空间              histimg = cvCreateImage( cvSize(320,200), 8, 3 );              //分配用于直方图显示的空间              cvZero( histimg );              //置背景为黑色          }          cvCopy( frame, image, 0 );          cvCvtColor( image, hsv, CV_BGR2HSV );          //把图像从RGB表色系转为HSV表色系          if( track_object )          //track_object非零,表示有需要跟踪的物体          {              int _vmin = vmin, _vmax = vmax;              cvInRangeS( hsv, cvScalar(0,smin,MIN(_vmin,_vmax),0),                          cvScalar(180,256,MAX(_vmin,_vmax),0), mask );              //制作掩膜板，只处理像素值为H：0~180，S：smin~256，V：vmin~vmax之间的部分              cvSplit( hsv, hue, 0, 0, 0 );              //分离H分量              if( track_object < 0 )              //如果需要跟踪的物体还没有进行属性提取，则进行选取框类的图像属性提取              {                  float max_val = 0.f;                  cvSetImageROI( hue, selection );                  //设置原选择框为ROI                  cvSetImageROI( mask, selection );                  //设置掩膜板选择框为ROI                  cvCalcHist( &hue, hist, 0, mask );                  //得到选择框内且满足掩膜板内的直方图                  cvGetMinMaxHistValue( hist, 0, &max_val, 0, 0 );                  cvConvertScale( hist->bins, hist->bins, max_val ? 255. / max_val : 0., 0 );                  // 对直方图的数值转为0~255                  cvResetImageROI( hue );                  //去除ROI                  cvResetImageROI( mask );                  //去除ROI                  track_window = selection;                  track_object = 1;                  //置track_object为1,表明属性提取完成                  cvZero( histimg );                  bin_w = histimg->width / hdims;                  for( i = 0; i < hdims; i++ )                  //画直方图到图像空间                  {                      int val = cvRound( cvGetReal1D(hist->bins,i)*histimg->height/255 );                      CvScalar color = hsv2rgb(i*180.f/hdims);                      cvRectangle( histimg, cvPoint(i*bin_w,histimg->height),                                   cvPoint((i+1)*bin_w,histimg->height - val),                                   color, -1, 8, 0 );                  }              }              cvCalcBackProject( &hue, backproject, hist );              //计算hue的反向投影图              cvAnd( backproject, mask, backproject, 0 );              //得到掩膜内的反向投影              cvCamShift( backproject, track_window,                          cvTermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ),                          &track_comp, &track_box );              //使用MeanShift算法对backproject中的内容进行搜索,返回跟踪结果              track_window = track_comp.rect;              //得到跟踪结果的矩形框              if( backproject_mode )                  cvCvtColor( backproject, image, CV_GRAY2BGR );              if( image->origin )                  track_box.angle = -track_box.angle;              cvEllipseBox( image, track_box, CV_RGB(255,0,0), 3, CV_AA, 0 );              //画出跟踪结果的位置          }          if( select_object && selection.width > 0 && selection.height > 0 )          //如果正处于物体选择，画出选择框          {              cvSetImageROI( image, selection );              cvXorS( image, cvScalarAll(255), image, 0 );              cvResetImageROI( image );          }          cvShowImage( "CamShiftDemo", image );          cvShowImage( "Histogram", histimg );          c = cvWaitKey(10);          if( (char) c == 27 )              break;          switch( (char) c )          //按键切换功能          {          case 'b':              backproject_mode ^= 1;              break;          case 'c':              track_object = 0;              cvZero( histimg );              break;          case 'h':              show_hist ^= 1;              if( !show_hist )                  cvDestroyWindow( "Histogram" );              else                  cvNamedWindow( "Histogram", 1 );              break;          default:              ;          }      }      cvReleaseCapture( &capture );      cvDestroyWindow("CamShiftDemo");      return 0;  }  #ifdef _EiC  main(1,"camshiftdemo.c");  #endif