前言

最近要做目標(biāo)跟蹤的APP，在惡補(bǔ)這方面的知識(shí)，在opencv3里面，關(guān)于目標(biāo)跟蹤的API在contrib模塊里面，需要單獨(dú)下載編譯。前幾天編譯這個(gè)弄了兩三天，可以說熟知各種bug了，詳細(xì)內(nèi)容其他博客都有介紹，下載，cmake編譯生成，然后VS調(diào)試生成項(xiàng)目之類的，我覺得過程中最重要的是，contrib版本一定要與opencv版本相匹配??！如果是最新下載的opencv，那么在GitHub上下載contrib-master這一版就行了。如果因?yàn)榘姹静灰恢聦?dǎo)致cmake編譯出錯(cuò)，不要猶豫！一切重來！還有一點(diǎn)，如果你專注C++三百年，那么cmake時(shí)，關(guān)于Python和MATLAB的選項(xiàng)就可以去掉了，親測(cè)在編譯Python時(shí)最后很容易出錯(cuò)，如果你不需要GPU并行計(jì)算，那么with_CUDA也可以去掉了 。最后VS生成完整項(xiàng)目后，可以從你的代碼的API直接轉(zhuǎn)到源碼，還是很方便的。

1.API

目標(biāo)跟蹤是計(jì)算機(jī)視覺應(yīng)用中最重要的問題之一 這個(gè)領(lǐng)域的發(fā)展非常分散，他的API是一個(gè)獨(dú)特的接口，可以插入不同算法并比較他們。
跟蹤算法開始于目標(biāo)的邊界框，并且以其內(nèi)部表示來避免跟蹤期間的漂移??。目標(biāo)跟蹤能夠在新的視頻幀下在線評(píng)估目標(biāo)的定位質(zhì)量。
opencv中有三個(gè)組件， TrackerSampler，TrackerFeatureSet，TrackerModel.第一個(gè)組件用于計(jì)算基于上一目標(biāo)定位的視頻幀的模板。第二個(gè)是管理特征的類，可以插入不同的特征 (HAAR, HOG, LBP, Feature2D, etc). 最后一個(gè)是目標(biāo)的內(nèi)部表示，它存儲(chǔ)所有候選狀態(tài)并計(jì)算軌跡（最可能的目標(biāo)狀態(tài)）。TrackerTargetState類表示目標(biāo)的可能狀態(tài)。該TrackerSampler和TrackerFeatureSet是目標(biāo)的可視表示，而TrackerModel是統(tǒng)計(jì)模型。

2.先來一個(gè)Tracker

直接上官方源碼

#include <opencv2/core/utility.hpp>
#include <opencv2/tracking.hpp>
#include <opencv2/videoio.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <cstring>
using namespace std;
using namespace cv;
int main( int argc, char** argv ){
  // show help
  if(argc<2){
    cout<<
      " Usage: tracker <video_name>\n"
      " examples:\n"
      " example_tracking_kcf Bolt/img/%04d.jpg\n"
      " example_tracking_kcf faceocc2.webm\n"
      << endl;
    return 0;
  }
  // declares all required variables
  Rect2d roi;
  Mat frame;
  // create a tracker object
  Ptr<Tracker> tracker = TrackerKCF::create();
  // set input video
  std::string video = argv[1];
  VideoCapture cap(video);
  // get bounding box
  cap >> frame;
  roi=selectROI("tracker",frame);
  //quit if ROI was not selected
  if(roi.width==0 || roi.height==0)
    return 0;
  // initialize the tracker
  tracker->init(frame,roi);
  // perform the tracking process
  printf("Start the tracking process, press ESC to quit.\n");
  for ( ;; ){
    // get frame from the video
    cap >> frame;
    // stop the program if no more images
    if(frame.rows==0 || frame.cols==0)
      break;
    // update the tracking result
    tracker->update(frame,roi);
    // draw the tracked object
    rectangle( frame, roi, Scalar( 255, 0, 0 ), 2, 1 );
    // show image with the tracked object
    imshow("tracker",frame);
    //quit on ESC button
    if(waitKey(1)==27)break;
  }
  return 0;
}

1.建立輸入視頻

  if(argc<2){
    cout<<
      " Usage: tracker <video_name>\n"
      " examples:\n"
      " example_tracking_kcf Bolt/img/%04d.jpg\n"
      " example_tracking_kcf faceocc2.webm\n"
      << endl;
    return 0;
  }

這里，你可以選擇視頻或者一組圖片向量作為程序輸入。像在help所寫，你可以指定輸入的視頻作為程序的參數(shù)。如果你想用圖片向量作為輸入，圖片向量應(yīng)該像help里那樣指定格式。比如在這里，圖片文件是4個(gè)數(shù)字。0001.jpg,0002.jpg這樣。

  VideoCapture cap(video);
  cap >> frame;

opencv為操作視頻提供了接口VideoCapture，可以從文件或攝像設(shè)備讀取視頻，有兩種方法。
VideoCapture cap("../***.avi");
cap.open("../***.avi");
如果把文件名換為設(shè)置ID，則可打開攝像頭，默認(rèn)為0.
獲取幀：

// 方法一  
capture.read(frame);  
// 方法二  
capture.grab();  
capture.retrieve(frame);  
// 方法三  
capture>>frame;  

2.聲明變量

你需要對(duì)跟蹤的對(duì)象劃定邊界框。然后用tracker對(duì)象對(duì)這個(gè)值更新。

  Rect2d roi;
  Mat frame;

frame變量將用于存儲(chǔ)輸入的每一幀的圖片數(shù)據(jù)。

3.創(chuàng)建tracker對(duì)象

Ptr<Tracker> tracker = TrackerKCF::create();
有至少5種tracker算法可供使用

• MIL
• BOOSTING
• MEDIANFLOW
• TLD
• KCF
  每一種算法都有它的優(yōu)點(diǎn)和缺點(diǎn)。

4.選擇跟蹤對(duì)象

roi=selectROI("tracker",frame);
使用這個(gè)函數(shù)，你可以通過GUI來選擇追蹤對(duì)象的邊界框。

5.初始化tracker對(duì)象

tracker->init(frame,roi);
跟蹤算法應(yīng)該初始化提供的圖片數(shù)據(jù)和跟蹤對(duì)象的邊界框。確定邊界框不是無效的（尺寸大于0）以避免初始化進(jìn)程失敗。

6.更新

tracker->update(frame,roi);
更新函數(shù)將執(zhí)行tracking進(jìn)程并傳遞roi變量的結(jié)果。