dlib库学习-----单目标追踪

旧城等待， 2022-02-28 10:12 287阅读 0赞

dlib中单目标追踪算法具体实现为`dlib.``correlation_tracker类。`

`算法来源`Danelljan, Martin, et al. ‘Accurate scale estimation for robust visual tracking.’ Proceedings of the British Machine Vision Conference BMVC. 2014. 为深度学习大兴之前，传统方法中效果最好的。下面主要讲讲`dlib.``correlation_tracker类的使用`

[官方文档][Link 1]

--------------------

##    1.实现功能       ##

该类主要实现视频流中的单目标跟踪。即输入一个目标和一个视频流，输出该目标在视频各桢中的位置。

##     2. 主要函数 ##

class dlib.correlation_tracker():
        __init__(self: dlib.correlation_tracker) → None
        get_position(self: dlib.correlation_tracker) → dlib.drectangle
        start_track(*args, **kwargs)
        update(*args, **kwargs)

###     \[1\]get\_position() ###

该函数无需输入参数，返回值为跟踪目标在当前桢的位置（类型为dlib.drectangle）参考如下示例：

pos = tracker.get_position()
    #(startX,startY)为矩形框的左上角坐标  (endX,endY)为矩形框的右下角坐标
    startX = int(pos.left())
    startY = int(pos.top())
    endX = int(pos.right())
    endY = int(pos.bottom())

###     \[2\]start\_track(image, bounding\_box)  ###

该函数用来启动追踪器。输入参数为image（视频的当前帧），bounding\_box（表示目标的矩形框），无返回值

image-------->需要是numpy对象或者8bit的灰度或RGB图象

bounding\_box--------->需要为dlib.drectangle或者dlib.rectangle类型，两者的详细区别[请看这里][Link 2]。这里简单提一下               dlib.rectangle的坐标用整数表示，dlib.drectangle用浮点数表示

###     \[3\]update(image,guess=None)   ------> confidence ###

该函数用来更新跟踪目标的位置，是跟踪算法的主体。输入参数为image（视频的当前帧，需要为numpy对象或者8bit         的灰度图或RGB图像），guess表示使用者猜测对象当前的可能位置（dlib.drectangle或者dlib.rectangle类型），可缺省。

该函数返回值为float型的confidence，表示预测出的位置含有跟踪对象的置信度

当guess缺省时，在整张图片中搜索跟踪对象。

**当指定guess时，仅在guess指定的小范围内搜索对象**。个人觉得是为了降低运算量。

## 3.使用`dlib.``correlation_tracker跟踪步骤` ##

\[1\]:dlib.correlation\_tracker()创建一个跟踪类；

\[2\]:start\_track()中设置图片中的要跟踪物体的框；

\[3\]:update()实时跟踪下一帧；

\[4\]:get\_position()得到跟踪到的目标的位置。

代码如下：

#coding=utf-8
    import dlib	
    import cv2
    
    
    
    cap = cv2.VideoCapture('test.avi')
    ret, frame = cap.read()
    rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)   #opencv读入的为BGR格式，dlib需要的是RGB格式
    
    tracker = dlib.correlation_tracker()   #建立跟踪器
    rect = dlib.rectangle(startX, startY, endX, endY)  #生成对象的矩形框
    tracker.start_track(rgb, rect)                     #开始跟踪
    
    
    ret, frame = cap.read()
    while ret:
      rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
      tracker.update(rgb)
      pos = tracker.get_position()
      ret, frame = cap.read()

[Link 1]: http://dlib.net/python/index.html#dlib.correlation_tracker
[Link 2]: https://blog.csdn.net/goodxin_ie/article/details/88805218