目标跟踪学习笔记(opencv中meanshift和camshift例子的应用)

转自http://www.cnblogs.com/tornadomeet/archive/2012/03/15/2398769.html

在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重要。为了让大家先达到一个感性认识。这节主要是看懂和运行opencv中给的sample并稍加修改。

     Camshift函数的原型为：RotatedRect CamShift(InputArray probImage, Rect& window, TermCriteria criteria)。

     其中probImage为输入图像直方图的反向投影图，window为要跟踪目标的初始位置矩形框，criteria为算法结束条件。函数返回一个有方向角度的矩阵。该函数的实现首先是利用meanshift算法计算出要跟踪的中心，然后调整初始窗口的大小位置和方向角度。在camshift内部调用了meanshift算法计算目标的重心。

     下面是一个opencv自带的CamShift算法使用工程实例。该实例的作用是跟踪摄像头中目标物体，目标物体初始位置用鼠标指出，其跟踪窗口大小和方向随着目标物体的变化而变化。其代码及注释大概如下：

 

#include "StdAfx.h"


#include "opencv2/video/tracking.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"




#include <iostream>
#include <ctype.h>


using namespace cv;
using namespace std;


Mat image;


bool backprojMode = false; //表示是否要进入反向投影模式，ture表示准备进入反向投影模式
bool selectObject = false;//代表是否在选要跟踪的初始目标，true表示正在用鼠标选择
int trackObject = 0; //代表跟踪目标数目
bool showHist = true;//是否显示直方图
Point origin;//用于保存鼠标选择第一次单击时点的位置
Rect selection;//用于保存鼠标选择的矩形框
int vmin = 10, vmax = 256, smin = 30;


void onMouse( int event, int x, int y, int, void* )
{
    if( selectObject )//只有当鼠标左键按下去时才有效，然后通过if里面代码就可以确定所选择的矩形区域selection了
    {
        selection.x = MIN(x, origin.x);//矩形左上角顶点坐标
        selection.y = MIN(y, origin.y);
        selection.width = std::abs(x - origin.x);//矩形宽
        selection.height = std::abs(y - origin.y);//矩形高


        selection &= Rect(0, 0, image.cols, image.rows);//用于确保所选的矩形区域在图片范围内
    }


    switch( event )
    {
    case CV_EVENT_LBUTTONDOWN:
        origin = Point(x,y);
        selection = Rect(x,y,0,0);//鼠标刚按下去时初始化了一个矩形区域
        selectObject = true;
        break;
    case CV_EVENT_LBUTTONUP:
        selectObject = false;
        if( selection.width > 0 && selection.height > 0 )
            trackObject = -1;
        break;
    }
}


void help()
{
    cout << "\nThis is a demo that shows mean-shift based tracking\n"
            "You select a color objects such as your face and it tracks it.\n"
            "This reads from video camera (0 by default, or the camera number the user enters\n"
            "Usage: \n"
            "    ./camshiftdemo [camera number]\n";


    cout << "\n\nHot 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"
            "\tp - pause video\n"
            "To initialize tracking, select the object with mouse\n";
}


const char* keys = 
{
    "{1|  | 0 | camera number}"
};


int main( int argc, const char** argv )
{
    help();


    VideoCapture cap; //定义一个摄像头捕捉的类对象
    Rect trackWindow;
    RotatedRect trackBox;//定义一个旋转的矩阵类对象
    int hsize = 16;
    float hranges[] = {0,180};//hranges在后面的计算直方图函数中要用到
    const float* phranges = hranges;
    CommandLineParser parser(argc, argv, keys);//命令解析器函数
    int camNum = parser.get<int>("1");     
    
    cap.open(camNum);//直接调用成员函数打开摄像头


    if( !cap.isOpened() )
    {
        help();
        cout << "***Could not initialize capturing...***\n";
        cout << "Current parameter's value: \n";
        parser.printParams();
        return -1;
    }


    namedWindow( "Histogram", 0 );
    namedWindow( "CamShift Demo", 0 );
    setMouseCallback( "CamShift Demo", onMouse, 0 );//消息响应机制
    createTrackbar( "Vmin", "CamShift Demo", &vmin, 256, 0 );//createTrackbar函数的功能是在对应的窗口创建滑动条，滑动条Vmin,vmin表示滑动条的值，最大为256
    createTrackbar( "Vmax", "CamShift Demo", &vmax, 256, 0 );//最后一个参数为0代表没有调用滑动拖动的响应函数
    createTrackbar( "Smin", "CamShift Demo", &smin, 256, 0 );//vmin,vmax,smin初始值分别为10,256,30


    Mat frame, hsv, hue, mask, hist, histimg = Mat::zeros(200, 320, CV_8UC3), backproj;
    bool paused = false;
    
    for(;;)
    {
        if( !paused )//没有暂停
        {
            cap >> frame;//从摄像头抓取一帧图像并输出到frame中
            if( frame.empty() )
                break;
        }


        frame.copyTo(image);
        
        if( !paused )//没有按暂停键
        {
            cvtColor(image, hsv, CV_BGR2HSV);//将rgb摄像头帧转化成hsv空间的


            if( trackObject )//trackObject初始化为0,或者按完键盘的'c'键后也为0，当鼠标单击松开后为-1
            {
                int _vmin = vmin, _vmax = vmax;


                //inRange函数的功能是检查输入数组每个元素大小是否在2个给定数值之间，可以有多通道,mask保存0通道的最小值，也就是h分量
//这里利用了hsv的3个通道，比较h,0~180,s,smin~256,v,min(vmin,vmax),max(vmin,vmax)。如果3个通道都在对应的范围内，则
//mask对应的那个点的值全为1(0xff)，否则为0(0x00).
                inRange(hsv, Scalar(0, smin, MIN(_vmin,_vmax)),
                        Scalar(180, 256, MAX(_vmin, _vmax)), mask);
                int ch[] = {0, 0};
                hue.create(hsv.size(), hsv.depth());//hue初始化为与hsv大小深度一样的矩阵，色调的度量是用角度表示的，红绿蓝之间相差120度，反色相差180度
                mixChannels(&hsv, 1, &hue, 1, ch, 1);//将hsv第一个通道(也就是色调)的数复制到hue中，0索引数组


                if( trackObject < 0 )//鼠标选择区域松开后，该函数内部又将其赋值1
                {
                    //此处的构造函数roi用的是Mat hue的矩阵头，且roi的数据指针指向hue，即共用相同的数据，select为其感兴趣的区域
                    Mat roi(hue, selection), maskroi(mask, selection);//mask保存的hsv的最小值


//calcHist()函数第一个参数为输入矩阵序列，第2个参数表示输入的矩阵数目，第3个参数表示将被计算直方图维数通道的列表，第4个参数表示可选的掩码函数
//第5个参数表示输出直方图，第6个参数表示直方图的维数，第7个参数为每一维直方图数组的大小，第8个参数为每一维直方图bin的边界
                    calcHist(&roi, 1, 0, maskroi, hist, 1, &hsize, &phranges);//将roi的0通道计算直方图并通过mask放入hist中，hsize为每一维直方图的大小
                    normalize(hist, hist, 0, 255, CV_MINMAX);//将hist矩阵进行数组范围归一化，都归一化到0~255
                    
                    trackWindow = selection;
                    trackObject = 1;//只要鼠标选完区域松开后，且没有按键盘清0键'c'，则trackObject一直保持为1，因此该if函数只能执行一次，除非重新选择跟踪区域


                    histimg = Scalar::all(0);//与按下'c'键是一样的，这里的all(0)表示的是标量全部清0
                    int binW = histimg.cols / hsize;  //histing是一个200*300的矩阵，hsize应该是每一个bin的宽度，也就是histing矩阵能分出几个bin出来
                    Mat buf(1, hsize, CV_8UC3);//定义一个缓冲单bin矩阵
                    for( int i = 0; i < hsize; i++ )//saturate_case函数为从一个初始类型准确变换到另一个初始类型
                        buf.at<Vec3b>(i) = Vec3b(saturate_cast<uchar>(i*180./hsize), 255, 255);//Vec3b为3个char值的向量
                    cvtColor(buf, buf, CV_HSV2BGR);//将hsv又转换成bgr
                        
                    for( int i = 0; i < hsize; i++ )
                    {
                        int val = saturate_cast<int>(hist.at<float>(i)*histimg.rows/255);//at函数为返回一个指定数组元素的参考值
                        rectangle( histimg, Point(i*binW,histimg.rows),    //在一幅输入图像上画一个简单抽的矩形，指定左上角和右下角，并定义颜色，大小，线型等
                                   Point((i+1)*binW,histimg.rows - val),
                                   Scalar(buf.at<Vec3b>(i)), -1, 8 );
                    }
                }


                calcBackProject(&hue, 1, 0, hist, backproj, &phranges);//计算直方图的反向投影，计算hue图像0通道直方图hist的反向投影，并让入backproj中
                backproj &= mask;


                //opencv2.0以后的版本函数命名前没有cv两字了，并且如果函数名是由2个意思的单词片段组成的话，且前面那个片段不够成单词，则第一个字母要
//大写，比如Camshift，如果第一个字母是个单词，则小写，比如meanShift，但是第二个字母一定要大写
                RotatedRect trackBox = CamShift(backproj, trackWindow,               //trackWindow为鼠标选择的区域，TermCriteria为确定迭代终止的准则
                                    TermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ));//CV_TERMCRIT_EPS是通过forest_accuracy,CV_TERMCRIT_ITER
                if( trackWindow.area() <= 1 )                                                  //是通过max_num_of_trees_in_the_forest  
                {
                    int cols = backproj.cols, rows = backproj.rows, r = (MIN(cols, rows) + 5)/6;
                    trackWindow = Rect(trackWindow.x - r, trackWindow.y - r,
                                       trackWindow.x + r, trackWindow.y + r) &
                                  Rect(0, 0, cols, rows);//Rect函数为矩阵的偏移和大小，即第一二个参数为矩阵的左上角点坐标，第三四个参数为矩阵的宽和高
                }


                if( backprojMode )
                    cvtColor( backproj, image, CV_GRAY2BGR );//因此投影模式下显示的也是rgb图？
                ellipse( image, trackBox, Scalar(0,0,255), 3, CV_AA );//跟踪的时候以椭圆为代表目标
            }
        }


        //后面的代码是不管pause为真还是为假都要执行的
        else if( trackObject < 0 )//同时也是在按了暂停字母以后
            paused = false;


        if( selectObject && selection.width > 0 && selection.height > 0 )
        {
            Mat roi(image, selection);
            bitwise_not(roi, roi);//bitwise_not为将每一个bit位取反
        }


        imshow( "CamShift Demo", image );
        imshow( "Histogram", histimg );


        char c = (char)waitKey(10);
        if( c == 27 )              //退出键
            break;
        switch(c)
        {
        case 'b':             //反向投影模型交替
            backprojMode = !backprojMode;
            break;
        case 'c':            //清零跟踪目标对象
            trackObject = 0;
            histimg = Scalar::all(0);
            break;
        case 'h':          //显示直方图交替
            showHist = !showHist;
            if( !showHist )
                destroyWindow( "Histogram" );
            else
                namedWindow( "Histogram", 1 );
            break;
        case 'p':       //暂停跟踪交替
            paused = !paused;
            break;
        default:
            ;
        }
    }
    return 0;
}

 

运行截图如下(由于摄像头中一般会拍到人，影响不好，所以含目标物体的截图就不贴上来了)：

 

     另外，由于Camshift主要是利用到了meanShift算法，在目标跟踪领域应用比较广泛，而meanShift也可以用于目标跟踪，只是自适用性没CamShift好，但也可以用。首先看看meanShift算法的声明：

int meanShift(InputArray probImage, Rect& window, TermCriteria criteria)

      与CamShift函数不同的一点是，它返回的不是一个矩形框，而是一个int型变量。该int型变量应该是代表找到目标物体的个数。特别需要注意的是参数window，它不仅是目标物体初始化的位置，还是实时跟踪目标后的位置，所以其实也是一个返回值。由于meanShift好像主要不是用于目标跟踪上，很多应用是在图像分割上。但是这里还是将CamShift算法例子稍微改一下，就成了meanShift算法了。主要是用window代替CamShift中的trackWindow.

其代码注释如下：

 1 #include "StdAfx.h"  2   3 #include "opencv2/video/tracking.hpp"  4 #include "opencv2/imgproc/imgproc.hpp"  5 #include "opencv2/highgui/highgui.hpp"  6   7   8 #include <iostream>  9 #include <ctype.h> 10  11 using namespace cv; 12 using namespace std; 13  14 Mat image; 15  16 bool backprojMode = false; //表示是否要进入反向投影模式，ture表示准备进入反向投影模式 17 bool selectObject = false;//代表是否在选要跟踪的初始目标，true表示正在用鼠标选择 18 int trackObject = 0; //代表跟踪目标数目 19 bool showHist = true;//是否显示直方图 20 Point origin;//用于保存鼠标选择第一次单击时点的位置 21 Rect selection;//用于保存鼠标选择的矩形框 22 int vmin = 10, vmax = 256, smin = 30; 23  24 void onMouse( int event, int x, int y, int, void* ) 25 { 26     if( selectObject )//只有当鼠标左键按下去时才有效，然后通过if里面代码就可以确定所选择的矩形区域selection了 27     { 28         selection.x = MIN(x, origin.x);//矩形左上角顶点坐标 29         selection.y = MIN(y, origin.y); 30         selection.width = std::abs(x - origin.x);//矩形宽 31         selection.height = std::abs(y - origin.y);//矩形高 32  33         selection &= Rect(0, 0, image.cols, image.rows);//用于确保所选的矩形区域在图片范围内 34     } 35  36     switch( event ) 37     { 38     case CV_EVENT_LBUTTONDOWN: 39         origin = Point(x,y); 40         selection = Rect(x,y,0,0);//鼠标刚按下去时初始化了一个矩形区域 41         selectObject = true; 42         break; 43     case CV_EVENT_LBUTTONUP: 44         selectObject = false; 45         if( selection.width > 0 && selection.height > 0 ) 46             trackObject = -1; 47         break; 48     } 49 } 50  51 void help() 52 { 53     cout << "\nThis is a demo that shows mean-shift based tracking\n" 54         "You select a color objects such as your face and it tracks it.\n" 55         "This reads from video camera (0 by default, or the camera number the user enters\n" 56         "Usage: \n" 57         "    ./camshiftdemo [camera number]\n"; 58  59     cout << "\n\nHot keys: \n" 60         "\tESC - quit the program\n" 61         "\tc - stop the tracking\n" 62         "\tb - switch to/from backprojection view\n" 63         "\th - show/hide object histogram\n" 64         "\tp - pause video\n" 65         "To initialize tracking, select the object with mouse\n"; 66 } 67  68 const char* keys =  69 { 70     "{1|  | 0 | camera number}" 71 }; 72  73 int main( int argc, const char** argv ) 74 { 75     help(); 76  77     VideoCapture cap; //定义一个摄像头捕捉的类对象 78     Rect trackWindow; 79     RotatedRect trackBox;//定义一个旋转的矩阵类对象 80     int hsize = 16; 81     float hranges[] = {0,180};//hranges在后面的计算直方图函数中要用到 82     const float* phranges = hranges; 83     CommandLineParser parser(argc, argv, keys);//命令解析器函数 84     int camNum = parser.get<int>("1");      85  86     cap.open(camNum);//直接调用成员函数打开摄像头 87  88     if( !cap.isOpened() ) 89     { 90         help(); 91         cout << "***Could not initialize capturing...***\n"; 92         cout << "Current parameter's value: \n"; 93         parser.printParams(); 94         return -1; 95     } 96  97     namedWindow( "Histogram", 0 ); 98     namedWindow( "CamShift Demo", 0 ); 99     setMouseCallback( "CamShift Demo", onMouse, 0 );//消息响应机制100     createTrackbar( "Vmin", "CamShift Demo", &vmin, 256, 0 );//createTrackbar函数的功能是在对应的窗口创建滑动条，滑动条Vmin,vmin表示滑动条的值，最大为256101     createTrackbar( "Vmax", "CamShift Demo", &vmax, 256, 0 );//最后一个参数为0代表没有调用滑动拖动的响应函数102     createTrackbar( "Smin", "CamShift Demo", &smin, 256, 0 );//vmin,vmax,smin初始值分别为10,256,30103 104     Mat frame, hsv, hue, mask, hist, histimg = Mat::zeros(200, 320, CV_8UC3), backproj;105     bool paused = false;106 107     for(;;)108     {109         if( !paused )//没有暂停110         {111             cap >> frame;//从摄像头抓取一帧图像并输出到frame中112             if( frame.empty() )113                 break;114         }115 116         frame.copyTo(image);117 118         if( !paused )//没有按暂停键119         {120             cvtColor(image, hsv, CV_BGR2HSV);//将rgb摄像头帧转化成hsv空间的121 122             if( trackObject )//trackObject初始化为0,或者按完键盘的'c'键后也为0，当鼠标单击松开后为-1123             {124                 int _vmin = vmin, _vmax = vmax;125 126                 //inRange函数的功能是检查输入数组每个元素大小是否在2个给定数值之间，可以有多通道,mask保存0通道的最小值，也就是h分量127                 //这里利用了hsv的3个通道，比较h,0~180,s,smin~256,v,min(vmin,vmax),max(vmin,vmax)。如果3个通道都在对应的范围内，则128                 //mask对应的那个点的值全为1(0xff)，否则为0(0x00).129                 inRange(hsv, Scalar(0, smin, MIN(_vmin,_vmax)),130                     Scalar(180, 256, MAX(_vmin, _vmax)), mask);131                 int ch[] = {0, 0};132                 hue.create(hsv.size(), hsv.depth());//hue初始化为与hsv大小深度一样的矩阵，色调的度量是用角度表示的，红绿蓝之间相差120度，反色相差180度133                 mixChannels(&hsv, 1, &hue, 1, ch, 1);//将hsv第一个通道(也就是色调)的数复制到hue中，0索引数组134 135                 if( trackObject < 0 )//鼠标选择区域松开后，该函数内部又将其赋值1136                 {137                     //此处的构造函数roi用的是Mat hue的矩阵头，且roi的数据指针指向hue，即共用相同的数据，select为其感兴趣的区域138                     Mat roi(hue, selection), maskroi(mask, selection);//mask保存的hsv的最小值139 140                     //calcHist()函数第一个参数为输入矩阵序列，第2个参数表示输入的矩阵数目，第3个参数表示将被计算直方图维数通道的列表，第4个参数表示可选的掩码函数141                     //第5个参数表示输出直方图，第6个参数表示直方图的维数，第7个参数为每一维直方图数组的大小，第8个参数为每一维直方图bin的边界142                     calcHist(&roi, 1, 0, maskroi, hist, 1, &hsize, &phranges);//将roi的0通道计算直方图并通过mask放入hist中，hsize为每一维直方图的大小143                     normalize(hist, hist, 0, 255, CV_MINMAX);//将hist矩阵进行数组范围归一化，都归一化到0~255144 145                     trackWindow = selection;146                     trackObject = 1;//只要鼠标选完区域松开后，且没有按键盘清0键'c'，则trackObject一直保持为1，因此该if函数只能执行一次，除非重新选择跟踪区域147 148                     histimg = Scalar::all(0);//与按下'c'键是一样的，这里的all(0)表示的是标量全部清0149                     int binW = histimg.cols / hsize;  //histing是一个200*300的矩阵，hsize应该是每一个bin的宽度，也就是histing矩阵能分出几个bin出来150                     Mat buf(1, hsize, CV_8UC3);//定义一个缓冲单bin矩阵151                     for( int i = 0; i < hsize; i++ )//saturate_case函数为从一个初始类型准确变换到另一个初始类型152                         buf.at<Vec3b>(i) = Vec3b(saturate_cast<uchar>(i*180./hsize), 255, 255);//Vec3b为3个char值的向量153                     cvtColor(buf, buf, CV_HSV2BGR);//将hsv又转换成bgr154 155                     for( int i = 0; i < hsize; i++ )156                     {157                         int val = saturate_cast<int>(hist.at<float>(i)*histimg.rows/255);//at函数为返回一个指定数组元素的参考值158                         rectangle( histimg, Point(i*binW,histimg.rows),    //在一幅输入图像上画一个简单抽的矩形，指定左上角和右下角，并定义颜色，大小，线型等159                             Point((i+1)*binW,histimg.rows - val),160                             Scalar(buf.at<Vec3b>(i)), -1, 8 );161                     }162                 }163 164                 calcBackProject(&hue, 1, 0, hist, backproj, &phranges);//计算直方图的反向投影，计算hue图像0通道直方图hist的反向投影，并让入backproj中165                 backproj &= mask;166 167                 //opencv2.0以后的版本函数命名前没有cv两字了，并且如果函数名是由2个意思的单词片段组成的话，且前面那个片段不够成单词，则第一个字母要168                 //大写，比如Camshift，如果第一个字母是个单词，则小写，比如meanShift，但是第二个字母一定要大写169                 meanShift(backproj, trackWindow,               //trackWindow为鼠标选择的区域，TermCriteria为确定迭代终止的准则170                     TermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ));//CV_TERMCRIT_EPS是通过forest_accuracy,CV_TERMCRIT_ITER171                 if( trackWindow.area() <= 1 )                                                  //是通过max_num_of_trees_in_the_forest  172                 {173                     int cols = backproj.cols, rows = backproj.rows, r = (MIN(cols, rows) + 5)/6;174                     trackWindow = Rect(trackWindow.x - r, trackWindow.y - r,175                         trackWindow.x + r, trackWindow.y + r) &176                         Rect(0, 0, cols, rows);//Rect函数为矩阵的偏移和大小，即第一二个参数为矩阵的左上角点坐标，第三四个参数为矩阵的宽和高177                 }178 179                 if( backprojMode )180                     cvtColor( backproj, image, CV_GRAY2BGR );//因此投影模式下显示的也是rgb图？181                 //ellipse( image, trackBox, Scalar(0,0,255), 3, CV_AA );//跟踪的时候以椭圆为代表目标182                 rectangle(image,Point(trackWindow.x,trackWindow.y),Point(trackWindow.x+trackWindow.width,trackWindow.y+trackWindow.height),Scalar(0,0,255),-1,CV_AA);183             }184         }185 186         //后面的代码是不管pause为真还是为假都要执行的187         else if( trackObject < 0 )//同时也是在按了暂停字母以后188             paused = false;189 190         if( selectObject && selection.width > 0 && selection.height > 0 )191         {192             Mat roi(image, selection);193             bitwise_not(roi, roi);//bitwise_not为将每一个bit位取反194         }195 196         imshow( "CamShift Demo", image );197         imshow( "Histogram", histimg );198 199         char c = (char)waitKey(10);200         if( c == 27 )              //退出键201             break;202         switch(c)203         {204         case 'b':             //反向投影模型交替205             backprojMode = !backprojMode;206             break;207         case 'c':            //清零跟踪目标对象208             trackObject = 0;209             histimg = Scalar::all(0);210             break;211         case 'h':          //显示直方图交替212             showHist = !showHist;213             if( !showHist )214                 destroyWindow( "Histogram" );215             else216                 namedWindow( "Histogram", 1 );217             break;218         case 'p':       //暂停跟踪交替219             paused = !paused;220             break;221         default:222             ;223         }224     }225     return 0;226 }

 

  本文感性上认识了怎样使用meanShift()和CamShift()函数，跟进一步的实现原理需要看其相关的论文和代码才能理解。但是从本例中调用的其它函数也可以学到很多opencv函数，效果还是很不错的。

作者：tornadomeet 出处：http://www.cnblogs.com/tornadomeet 欢迎转载或分享，但请务必声明文章出处。 （新浪微博：tornadomeet,欢迎交流！）