用Python的opencv写用meanshift算法实现的视频追踪代码

以下是基于Python的OpenCV实现的MeanShift算法视频追踪代码：

import cv2

# 定义要追踪的对象的初始位置
x, y, w, h = 300, 200, 100, 50
track_window = (x, y, w, h)

# 读取视频文件
cap = cv2.VideoCapture('video.mp4')

# 读取第一帧并确定ROI
ret, frame = cap.read()
roi = frame[y:y+h, x:x+w]

# 将ROI转换为HSV颜色空间
hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)

# 计算ROI的直方图
roi_hist = cv2.calcHist([hsv_roi], [0], None, [180], [0, 180])

# 归一化直方图
cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)

# 定义停止迭代的条件
term_crit = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1)

while True:
    ret, frame = cap.read()
    
    if ret == True:
        # 将当前帧转换为HSV颜色空间
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        
        # 对HSV图像中的每个像素计算反向投影
        dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
        
        # 使用meanshift算法追踪对象
        ret, track_window = cv2.meanShift(dst, track_window, term_crit)
        
        # 绘制追踪窗口
        x, y, w, h = track_window
        img = cv2.rectangle(frame, (x, y), (x+w, y+h), 255, 2)
        
        # 显示结果
        cv2.imshow('object tracking', img)
        
        # 按下ESC键退出循环
        if cv2.waitKey(60) == 27:
            break
    else:
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在此代码中，我们首先定义了要追踪的对象的初始位置，然后读取视频文件并确定ROI。接下来，我们将ROI转换为HSV颜色空间，并计算其直方图。然后，我们在每一帧上使用反向投影算法计算图像中每个像素的反向投影，并使用meanshift算法追踪对象。最后，我们绘制追踪窗口并显示结果。按下ESC键退出循环并释放资源。