本文实现了基于python的csrt方法，读取摄像头第一帧进行标注，并使用s能够实现多个目标的同时识别，然后鼠标框选，来选择目标，空格键确认。
import argparse import time import cv2 import numpy as np # 配置参数 ap = argparse.ArgumentParser() # -v videos/nascar.mp4 不要少了文件夹名字 ap.add_argument("-v", "--video", type=str, help="path to input video file") ap.add_argument("-t", "--tracker", type=str, default="csrt", # 这个感觉比kcf好 help="OpenCV object tracker type") args = vars(ap.parse_args()) # opencv已经实现了的追踪算法，传统算法 # 深度学习？？准确高，实时低，电子设备中难，因为网络大 OPENCV_OBJECT_TRACKERS = { "csrt": cv2.TrackerCSRT_create, "kcf": cv2.TrackerKCF_create, # 流行，cf相关滤波，14年 # cf找到待追踪的圆（第一帧所在的位置），再对边缘进行padding，训练一个分类器（或者滤波矩阵）， # 生成正样本和负样本训练，训练的目标是找到滤波矩阵，计算下一步哪个位置得到响应大。 # 具体内容，看论文。 # kcf，改进了计算，提高计算速度。1正负样本选择上改进；2核函数，低维变成高维。 "boosting": cv2.TrackerBoosting_create, # 十几年前 "mil": cv2.TrackerMIL_create, "tld": cv2.TrackerTLD_create, "medianflow": cv2.TrackerMedianFlow_create, "mosse": cv2.TrackerMOSSE_create # 10年 } # 速度（实时）和准确性 # 实例化OpenCV's multi-object tracker trackers = cv2.MultiTracker_create() # 实例化多目标追踪。 # tracker = cv2.TrackerCSRT_create() # 追踪器不要在这里创建，这里创建就只产生一个追踪器 vs = cv2.VideoCapture(0) # 这个不要在while里面创建 # 视频流 while True: # 取当前帧 frame = vs.read() # (true, data) frame = frame[1] # ret, frame = capture.read() # 这个就不用cv2.imread(frame)，frame已经是参数了 # 到头了就结束 if frame is None: break # resize每一帧 (h, w) = frame.shape[:2] # 原始图片大，计算性能低 width = 600 r = width / float(w) dim = (width, int(h * r)) frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA) # 追踪结果 (success, boxes) = trackers.update(frame) # 没有添加追踪器，是一个空架子。 print(success, boxes) # success返回值一直都是True, if len(boxes)==0: box = cv2.selectROI("Frame", frame, fromCenter=False, showCrosshair=False) # fromCenter选中的为中心点拉。showCrosshair展示中心十字架。 # 对应显示窗口名称和窗口显示的内容，cv2.imshow("Frame", frame) # 创建一个新的追踪器 tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]() # 指定追踪器 trackers.add(tracker, frame, box) # 添加追踪器，frame哪幅图像，哪个区域box # boxes返回值为：[[333. 172. 45. 76.]]，# 在未画下框的时候，读取为空。 # [[278. 166. 36. 62.] # [501. 242. 41. 67.]] print("trackers：", trackers) # 绘制区域 for box in boxes: # 确保适合多追踪器 (x, y, w, h) = [int(v) for v in box] cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) # 显示 cv2.imshow("Frame", frame) print(cv2.waitKey(100)) # 返回值为-1，-1&0xFF的结果为255 key = cv2.waitKey(100) & 0xFF # 0xFF是十六进制常数，二进制值为11111111。通过使用位和（和）这个常数， # 它只留下原始的最后8位（在这种情况下，无论CV2.WaITKEY（0）是），此处是防止BUG。 if key == ord("s"): # ord # 选择一个区域，按s box = cv2.selectROI("Frame", frame, fromCenter=False, showCrosshair=False) # fromCenter选中的为中心点拉。showCrosshair展示中心十字架。 # 对应显示窗口名称和窗口显示的内容，cv2.imshow("Frame", frame) # 创建一个新的追踪器 tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]() # 指定追踪器 trackers.add(tracker, frame, box) # 添加追踪器，frame哪幅图像，哪个区域box # 退出 elif key == 27: break vs.release() cv2.destroyAllWindows()
