如何将KCF跟踪器与RGB和HFV口罩一起使用？

Question

我一直在尝试将我的通用运动跟踪器更改为对象跟踪器，以便在运动相机项目中进一步实现。

作为一个基本的测试，我已经让它跟踪颜色绿色使用霓虹灯绿色创可贴。

基于我看过的另一个教程，我交叉引用了一些例子来设置颜色和HSV蒙版，以区分绿色和源帧。cv2.imshow('mask', mask)向我展示了它检测到的绿色很好。

我想将KCF算法用于跟踪器，因为这一算法似乎是通用和准确性最好的算法。然后我创建了我们的跟踪器tracker1 = cv2.TrackerKCF_create()。这就是我迷路的地方。我找不到语法和合适的方法将我的跟踪器应用到蒙版上，并在它们周围创建一个框。

在我基于此的众多示例中，有一个使用了读/写图像方法，该方法不是实时的。另一个例子是使用mean-shift算法并将掩码直接实现到cv2.meanshift()方法的参数中。

通过更多的googling搜索，我发现了Python here和here的其他一些示例。但我发现很难分解代码语法，因为他们在所有不同类型的算法列表中实现了它。对于示例视频，他们似乎还初始化了静止帧开头的ROI (感兴趣区域)作为跟踪器要跟踪的参考点，并且根本不使用蒙版。

我也无法运行任何示例代码，因为第一行(major_ver, minor_ver, subminor_ver) = (cv2.__version__).split('.')总是给我一个引用错误，而且我还没有找到其他方法来编译它。我对python还是比较陌生的。

虽然我让口罩起作用了，但我很难优化它们来拾取绿色。我对图片中的颜色进行了jpg压缩，并使用在线RGB颜色摘要生成器对其进行了分析。结果如下所示

​

然后我尝试对绿色使用给定的RGB值，每个最小值的范围为+(-20)，每个最大值的范围为+(20)，但它无法检测到特定的颜色。因此，我试着使用它，直到我得到了一个足够广泛的工作范围：

min_green = np.array([0, 90, 0])
max_green = np.array([100, 255, 100])

再一次，在所有的例子中，我都被提供了。它们只是简单地“提前知道”这些值，而不是描述如何在实践中提取和插值数据。

这是我现在的节目。

from __future__ import division
import cv2
from matplotlib import pyplot as plt
import numpy as np
from math import cos, sin


# declare var first_frame.
first_frame = None

# read from webcam.
video = cv2.VideoCapture(0)
# declare var frame_count.
frame_count = 1

# start our loop.
while True:
    # FRAME DETECTION
    # count frames.
    frame_count = frame_count + 1
    # read and store frame matrix into var 'frame'.
    check, frame = video.read()
    print(frame)

    # MOTION DETECTION
    # convert 'frame' to greyscale as 'gray'.
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # apply guassianblur on 'gray' to reduce noise.
    gray = cv2.GaussianBlur(gray, (21, 21), 0)

    # convert first_frame to gray for abs.dif processing later.
    if first_frame is None:
        first_frame = gray
        continue

    # COLOR DETECTION
    # apply guassianblur on frame to reduce noise.
    image_blur = cv2.GaussianBlur(frame, (21, 21), 0)
    # convert to correct color scheme.
    image_rgb = cv2.cvtColor(image_blur, cv2.COLOR_BGR2RGB)
    # convert to HSV.
    image_blur_hsv = cv2.cvtColor(image_rgb, cv2.COLOR_RGB2HSV)

    # COLOR FILTER
    # filter by color matrix.
    min_green = np.array([0, 90, 0])
    max_green = np.array([80, 255, 80])

    mask1 = cv2.inRange(image_blur_hsv, min_green, max_green)

    # filter by brightness.
    min_red_brightness = np.array([83, 36, 43])
    max_red_brightness = np.array([103, 56, 63])

    mask2 = cv2.inRange(image_blur_hsv, min_red_brightness, max_red_brightness)

    # take the two filters and combine.
    mask = mask1 + mask2

    cv2.imshow('mask', mask1)

    # OBJECT DETECTION
    # create a tracker.
    tracker1 = cv2.TrackerKCF_create()

    # SEGMENTATION (ALL OLDER MOTION DETECTION STUFF)
    delta_frame = cv2.absdiff(first_frame, gray)

    thresh_delta = cv2.threshold(delta_frame, 40, 255, cv2.THRESH_BINARY)[1]

    (_, cnts, _) = cv2.findContours(thresh_delta.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    for contour in cnts:
        if cv2.contourArea(contour) < 200:
            continue

        (x, y, w, h) = cv2.boundingRect(contour)
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

    cv2.imshow('captureFrame', frame)
    cv2.imshow('captureGrey', gray)
    cv2.imshow('delta', delta_frame)
    cv2.imshow('thresh', thresh_delta)

    key = cv2.waitKey(1)

    if key == ord('q'):
        break

print(frame_count)
video.release()
cv2.destroyAllWindows()

​

​

Answer 1

我认为你对绿色的阈值不正确。也许可以创建一个跟踪器来获取特定图像的阈值。

cv.CreateTrackbar(trackbarName，windowName，value，count，onChange)> Blockquote