《Python应用技术》 课程 5.4 目标跟踪应用设计.pptx

第5章 Python机器视觉应用5.4 目标跟踪应用设计 目标跟踪技术颜色跟踪应用技术目标跟踪接口颜色开发接口开发实践 目标跟踪技术目标跟踪目标跟踪算法主要是利用目标的先验信息预测在后续视频帧中的目标位置、尺寸、姿态信息等。目标跟踪的整体流程如下： 目标跟踪技术目标跟踪技术目标跟踪是利用获取到的视频流，对视频中的移动目标进行定位跟踪，跟踪技术一直是计算机视觉研究领域中的热点之一。应用前景监控安防军事侦查辅助驾驶 目标跟踪技术目标跟踪目标跟踪算法的研究主要可以分为运动模型、特征提取、外观模型、目标定位和模型更新这五个部分。其中在外观模型模块，根据目标模型的建模方式又分为生成式方法和判别式方法。生成式跟踪算法主要围绕目标的外观构建目标的观测模型，然后在后续视频帧中，利用该观测模型寻找最佳匹配窗口，即寻找与目标最相似的感兴趣区域。判别式方法其实是一种检测跟踪方法，此类算法将目标跟踪问题当作一个二分类问题来处理，即通过目标初始信息训练一个分类器，然后利用该分类器把目标和背景区分开来。 颜色跟踪技术RGBHSVHISCMYKHSLYUV颜色空间是对所获得的图像的颜色，用熟悉的数学公式描述，并且用数学方法加以量化，其中坐标系统和子空间的内容是颜色空间的本质。将图像所获得的颜色与空间中的点一一对应。颜色空间常用如下： 颜色跟踪技术HSV颜色空间HSV颜色空间是为了满足人类视觉的对亮度敏感的特性而产生的。由于HSV颜色模型是将亮度、度、饱和度分三部分区分，这样就会对色彩的描述更加自然，使人们对于颜色的理解就更加深入。颜色特征是一种描述图像或着是图像区域对应的场景的表面属性的全局特征。都是基于图像的像素点的特征，并且属于图像或图像区域的所有像素均有它们自己的贡献值。颜色特征对于图像本身的尺寸大小、方向和视角等变化比较不敏感。颜色特征的数据库很大，则当仅用颜色特征查询的来跟踪目标时，往往会检索出许多不需要的图像，增加许多没用的信息而增加后续的没必要的工作量。 颜色跟踪技术颜色直方图颜色直方图的概念是对于颜色特征的一个描述概念，它是最常用的，最广泛，而且非常重要的颜色特征提取方法。从不同的角度，颜色直方图的分类有多种，一般情况下将其分为：从图像的特征考虑将其分为：统计直方图累加直方图全局直方图局部区域直方图 颜色跟踪技术颜色直方图目前很多目标跟踪算法使用的颜色特征都是基于颜色直方图。颜色直方图表现的只是在整个图像中不同色彩所占的比例，对于每种颜色所在图像中的空间位置并不关心，也就是说，颜色直方图不可能描述图像中的目标对象。颜色直方图对于那些难以自动分割的图像的描述尤为适合。常用颜色空间如下：基于 HSV 空间的颜色直方图、基于 LUV 空间的颜色直方图以及基于 Lab 空间的颜色直方图。其中基于颜色直方图的最常用的颜色空间是 HSV 颜色空间。它的三个分量 H（Hue）、S（Saturation）、V（Value）分别代表颜色、饱和度和值。 目标跟踪接口Gif类可以使用gif模块来记录短视频剪辑，gif文件保存的是未压缩图像数据。构造函数：class gif.Gif(filename, width=Auto, height=Auto, color=Auto, loop=True)。Gif类相关方法说明：序号方法方法说明1gif.width()返回gif对象的宽度（水平分辨率）。2gif.height()返回gif对象的高度（垂直分辨率）。3gif.add_frame(image, delay=10)将一张图像添加到gif记录中。图像的宽度、高度和颜色模式必须与gif构造函数中使用的宽度、高度和颜色模式相同。delay 是前一帧结束后等待播放此帧的厘秒数。 目标跟踪接口image.difference(image[, mask=None])将两个图像彼此按像素取绝对值。image 可以是图像对象，也可以是标量值。mask 是另一个用作绘图操作的像素级掩码的图像，掩码是一个只有黑色或白色像素的图像，并且应该与绘制的 image 大小相同。image.get_statistics([thresholds[, invert=False[, roi[, bins[, l_bins[, a_bins[, b_bins]]]]]]])计算 roi 中每个颜色通道的平均值、中值、众值、标准偏差、最小值、最大值、下四分值和上四分值，并返回一个数据对象。 目标跟踪接口image.difference(image[, mask=None])将两个图像彼此按像素取绝对值。image 可以是图像对象，也可以是标量值。mask 是另一个用作绘图操作的像素级掩码的图像，掩码是一个只有黑色或白色像素的图像，并且应该与绘制的 image 大小相同。image.get_statis