python实现单目标、多目标、多尺度、自定义特征的KCF跟踪算法(实例代码)

python实现单目标、多目标、多尺度、自定义特征的实现单目标、多目标、多尺度、自定义特征的KCF跟踪跟踪

算法算法(实例代码实例代码)

主要介绍了python实现单目标、多目标、多尺度、自定义特征的KCF跟踪算法,本文通过实例代码给大家介绍的

非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下

单目标跟踪：

直接调用opencv中封装的tracker即可。

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

from items import MessageItem

import time

import numpy as np

'''

监视者模块,负责入侵检测,目标跟踪

'''

class WatchDog(object):

#入侵检测者模块,用于入侵检测

def __init__(self,frame=None):

#运动检测器构造函数

return self._background is not None

def startWorking(self,frame):

#运动检测器开始工作

if frame is not None:

self._background = cv2.GaussianBlur(cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY), (21, 21), 0)

def stopWorking(self):

#运动检测器结束工作

self._background = None

def analyze(self,frame):

#运动检测

image, cnts, hierarchy = cv2.findContours(diff.copy(),cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

coordinate = []

bigC = None

bigMulti = 0

for c in cnts:

if cv2.contourArea(c) < 1500:

continue

(x,y,w,h) = cv2.boundingRect(c)

if w * h > bigMulti:

bigMulti = w * h

return MessageItem(frame,message)

class Tracker(object):

'''

追踪者模块,用于追踪指定目标

'''

def __init__(self,tracker_type = "BOOSTING",draw_coord = True):

'''

初始化追踪器种类

'''

#获得opencv版本