opencv中如何从远到近跟踪目标

Question

我需要跟踪道路上的车辆，可以用GMM来监测物体的变化，但是道路上的车辆从远到近都会改变大小，建议采用什么算法来跟踪从远到近或近距离的物体？

Answer 1

高斯混合模型(GMM)对于将汽车建模为对象并不是一个好的选择，但我不确定如何用它来建模背景，因为它可能更加异构，并且需要大量的混合。使用EM (期望最大化)学习GMM可以进行密集的处理。因此，我的建议是开始使用简单的直方图，将对象建模为带有计数的回收箱集合，而不是高斯分布的集合。下面我描述了在OpenCV中实现的两个这样的方法。

使用openCV开始跟踪的最简单方法是使用均值漂移函数。一个相关的方法，卡姆班是meanshift的一个改进版本，当对象改变其大小或方向时，它也会纠正初始包围框的大小和方向。您可以在openCV包的camshiftdemo.c中找到相应的演示。

meanshift和camshift的输入都是一个概率图，其中每个像素表示(大约)它属于对象(可能是背景)的可能性。创建这样一张地图的一种方法是计算要跟踪的对象的直方图，然后将其倒置到图像中，因此，例如，如果您的直方图只有两个像素，计数为I=255，计数为90，I=100为计数10，则每个灰度为255的像素的概率为90%，而强度为100的每个像素的概率为10% (请参阅关于直方图反投影的更详细说明)。

请注意，这些方法基于某些特征的直方图，如强度、颜色或其他任何内容。你可以尝试添加更多的特征直方图，也可以修正你的概率图，把你的目标直方图和背景直方图联系起来。最后，您可以更新每个帧的直方图，以补偿对象和背景的变化。

简而言之，它是如何运作的。顾名思义，均值移动是根据概率平均值(在此窗口内计算)的位置移动的，平均值通常偏离窗口中心，向最高概率簇(希望是对象)偏移。这个过程反复重复，直到收敛。

当然，如果您最初的猜测离实际概率最大值太远，则窗口可能会卡在与对象无关的局部最大值中。因此，高帧速率是很重要的，因为它将保证对象不会在帧之间移动太多，并且您可以使用以前的位置作为窗口位置初始化的合理猜测。