《OpenCV2 计算机视觉编程手册》视频处理二

本文主要是介绍《OpenCV2 计算机视觉编程手册》视频处理二，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本文结合上文《OpenCV2 计算机视觉编码手册》视频处理一的基础上，添加视频跟踪类，来对视频中运动对象进行跟踪。

1. 添加特征跟踪类

#ifndef FTRACKER
#define FTRACKER#include "head.h"
#include "videoprocessor.h"
#include <opencv2/video/tracking.hpp>
#include <opencv2/features2d/features2d.hpp>class FeatureTracker : public FrameProcessor 
{	
private:cv::Mat gray;			            // 当前灰度图像cv::Mat gray_prev;		            // 前一个灰度图像std::vector<cv::Point2f> points[2]; // 两幅图像跟踪特征 0->1std::vector<cv::Point2f> initial;   // 跟踪点的初始化std::vector<cv::Point2f> features;  // 检测到的特征int max_count;	                    // 需要跟踪的最大特征数目double qlevel;                      // 特征检测中的质量等级double minDist;                     // 两特征点之间的最小距离std::vector<uchar> status;          // 跟踪的特征状态std::vector<float> err;             // 跟踪错误public:// 构造函数FeatureTracker() : max_count(500), qlevel(0.01), minDist(10.) {}// 处理方法void process(cv:: Mat &frame, cv:: Mat &output) {cv::cvtColor(frame, gray, CV_BGR2GRAY);  // 转换为灰度图像frame.copyTo(output);// 1. 如果需要添加新的特征点if(addNewPoints()){detectFeaturePoints();                                            // 检测特征点points[0].insert(points[0].end(),features.begin(),features.end());// 添加检测的特征到当前跟踪的特征initial.insert(initial.end(),features.begin(),features.end());}// 对应视频序列中的第一幅图像if(gray_prev.empty())gray.copyTo(gray_prev);// 2.跟踪特征cv::calcOpticalFlowPyrLK(gray_prev, gray, // 两幅连续图像points[0],                            // 图1中的输入点坐标points[1],                            // 图2中的输出点坐标status,                               // 跟踪成功err);                                 // 跟踪失败// 2. 遍历所有跟踪点进行筛选int k=0;for( int i= 0; i < points[1].size(); i++ ) {// 是否需要保留该跟踪点？if (acceptTrackedPoint(i)) {// 保留该跟踪点到vectorinitial[k]= initial[i];points[1][k++] = points[1][i];}}// 去除不成功点points[1].resize(k);initial.resize(k);// 3. 处理接受的跟踪点handleTrackedPoints(frame, output);// 4. 当前的点和图像变为它之前的点和图像std::swap(points[1], points[0]);cv::swap(gray_prev, gray);}// 特征点检测void detectFeaturePoints() {	// 检测特征cv::goodFeaturesToTrack(gray, // 图像features,   // 检测到的特征max_count,  // 特征的最大数目qlevel,     // 质量等级minDist);   // 两个特征之间的最小距离}// 决定是否添加新点bool addNewPoints(){// 如果点的数量太少return points[0].size()<=10;}// 决定哪些点应该跟踪bool acceptTrackedPoint(int i){return status[i] &&// 如果它移动了(abs(points[0][i].x-points[1][i].x)+(abs(points[0][i].y-points[1][i].y))>2);}// 处理当前跟踪点void handleTrackedPoints(cv:: Mat &frame, cv:: Mat &output) {// 遍历所有跟踪点for(int i= 0; i < points[1].size(); i++ ) {// 绘制直线和圆cv::line(output, initial[i],            // 初始位置points[1][i],          // 新位置cv::Scalar(255,255,255)// 白色);cv::circle(output,          // 输出图像points[1][i],           // 圆心3,                      // 半径cv::Scalar(255,255,255),// 白色-1                      // 负数表示填充圆圈, 整数表示线条厚度);}}
};#endif

2. main函数

#include "featuretracker.h"int main()
{VideoProcessor processor;                           // 创建一个视频处理实例FeatureTracker tracker;                             // 创建一个特征跟踪实例processor.setInput("../bike.avi");                  // 打开视频文件processor.setFrameProcessor(&tracker);              // 设置帧处理器为一个特征跟踪实例trackerprocessor.displayOutput("Tracked Features");        // 声明跟踪特征显示窗口processor.setDelay(1000./processor.getFrameRate()); // 设置视频播放帧率为原始帧率processor.run();                                    // 开始处理cv::waitKey();                                      // 等待按键响应return 0;
}