python 视频追踪源代码

import numpy as np
import cv2 as cv

# 1获取图像
cap = cv.VideoCapture('./image/dog.wmv')
# 2获取第一帧图像，并指定目标位置
ret, frame = cap.read()
# 2.1目标位置（行，高，列，宽）
r, h, c, w = 197, 141, 0, 208
track_window = (c, r, w, h)
# 2.2指定目标的感兴趣区域
roi = frame[r:r + h, c:c + w]
# 3.计算直方图
# 3.1转换色彩空间(HSV)
hsv_roi = cv.cvtColor(roi, cv.COLOR_BGR2HSV)
# 3.2去除低亮度的值
mask = cv.inRange(hsv_roi, np.array((0., 60., 32.)), np.array((180., 255., 255.)))
# 3.3计算直方图
roi_hist = cv.calcHist([hsv_roi], [0], None, [180], [0, 180])
# 3.4归一化
cv.normalize(roi_hist, roi_hist, 0, 255, cv.NORM_MINMAX)
# 4.目标追踪
# 4.1设置窗口搜索终止条件：最大迭代次数，窗口中心漂移最小值
term_crit = cv.TERM_CRITERIA_EPS | cv.TERM_CRITERIA_COUNT, 10, 1
while True:
    # 4.2获取每一帧图像
    ret, frame = cap.read()
    if ret:
        # 4.3计算直方图的反向投影
        hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
        dst = cv.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
        # 4.4进行meanshifti追踪
        ret, track_window = cv.meanShift(dst, track_window, term_crit)
        # 4.5将追踪的位置绘制在视频上，并进行显示
        x, y, w, h = track_window
        img2 = cv.rectangle(frame, (x, y), (x + w, y + h), 255, 2)
        cv.imshow('frame', img2)
        if cv.waitKey(60) & 0xFF == ord('q'):
            break
    else:
        break
# 5.资源释放
cap.release()
cv.destroyAllWindows()