Question

我需要在网络摄像头的视频帧中进行强大的运动检测和跟踪。背景总是一样的。目的是识别物体的位置，如果可能的话没有阴影，但不是那么迫切地去除阴影。我已经尝试过opencv算法进行背景减法和阈值处理，但这只取决于一个图像作为背景，如果背景亮度变化一点（或相机自动对焦），我需要算法强大亮度或阴影稍有变化。

Answer 1

强大的跟踪方法是世界各地正在开发的广泛研究兴趣的一部分...... 这里可能是解决你的问题的关键，这个问题很有意思，但却很开放。

首先，他们中的许多人都认为亮度恒定（因此你要求很难实现）。例如：

卢卡斯 - 奏
霍恩 - 雄克
块匹配

广泛用于跟踪，但假设亮度恒定。

然后其他有趣的可能是平移或camshift跟踪，但你需要一个投影跟随......但你可以使用相应的反投影计算某个阈值，以满足你对稳健性的需求......

我稍后会发布这个，于连

Answer 2

当您尝试在OpenCV中进行阈值处理时，您是使用RGB（红色，绿色，蓝色）还是HSV（色调，饱和度，值）颜色格式进行阈值处理？根据个人经验，我发现HSV编码在与OpenCV一起用于阈值处理和cvBlobsLib用于识别blob位置时，在跟踪视频素材中的彩色对象方面要优越得多。

HSV更容易，因为HSV的优势在于只需要使用单个数字来检测颜色（“色调”），尽管很可能存在多种颜色的颜色，从浅到深色调。（颜色的数量和颜色的亮度分别由“饱和度”和“值”参数处理）。

我使用对cvInRange（）OpenCV API的调用来阈值HSV参考图像（'imgHSV'）以获得二进制（黑白）图像：

cvInRangeS( imgHSV,  
            cvScalar( 104, 178, 70  ),  
            cvScalar( 130, 240, 124 ),  
            imgThresh );

在上面的示例中，两个cvScalar参数是HSV值的下限和上限，表示颜色为蓝色的色调。在我自己的实验中，我能够通过抓取我感兴趣跟踪的对象的截图并观察出现的色调/饱和度/亮度值的类型来获得一些合适的最大/最小值。

可以在此blog posting上找到有关代码示例的更详细说明。

Answer 3

Andrian有一个很酷的教程http://www.pyimagesearch.com/2015/05/25/basic-motion-detection-and-tracking-with-python-and-opencv/

我跟着进行了一次很好的实验测试 https://youtu.be/HJBOOZVefXA

我也使用静态图像

frameDelta = cv2.absdiff(firstFrame, gray)
thresh = cv2.threshold(frameDelta, 25, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.dilate(thresh, None, iterations=2)
(cnts, _) = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)

4行代码可以很好地找到动作祝你好运

具有跟踪功能的Opencv Motion检测

3 个答案: