所以我一直在尝试制作一个运动跟踪器来跟踪在视频中移动的狗（自上而下录制）检索显示狗的裁剪视频并忽略背景的其余部分。
我首先尝试使用opencv 3中的可用算法（BOOSTING，MIL，KCF，TLD，MEDIANFLOW， GOTURN（返回错误，无法解决））进行对象跟踪，我什至尝试了一个基本的运动算法通过减去第一帧进行跟踪，但它们都没有给出好的结果。关联
我更喜欢带有预设矩形框的代码，一旦检测到运动区域，该矩形框就会包围它。像这个视频中的东西
我对 OPENCV 不是很熟悉，但我相信单运动跟踪不应该是一个问题，因为已经完成了很多工作。我应该考虑其他库/API，还是可以遵循更好的代码/教程来完成这项工作？我的意思是稍后将它与神经网络一起使用（这就是我尝试使用 python/opencv 解决它的原因）
感谢您的任何帮助/建议
编辑：
我删除了以前的代码以使帖子更清洁。
此外，根据我得到的反馈和进一步的研究，我能够修改一些代码以使其接近我想要的结果。但是，我仍然有一个令人讨厌的跟踪问题。第一帧似乎影响了其余的跟踪，因为即使在狗移动之后，它也会继续检测它的第一个位置。我尝试使用标志将跟踪限制为仅 1 个动作，但检测变得混乱。这是显示结果的代码和图片：
jimport imutils
import time
import cv2
previousFrame = None
def searchForMovement(cnts, frame, min_area):
text = "Undetected"
flag = 0
for c in cnts:
# if the contour is too small, ignore it
if cv2.contourArea(c) < min_area:
continue
#Use the flag to prevent the detection of other motions in the video
if flag == 0:
(x, y, w, h) = cv2.boundingRect(c)
#print("x y w h")
#print(x,y,w,h)
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
text = "Detected"
flag = 1
return frame, text
def trackMotion(ret,frame, gaussian_kernel, sensitivity_value, min_area):
if ret:
# Convert to grayscale and blur it for better frame difference
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (gaussian_kernel, gaussian_kernel), 0)
global previousFrame
if previousFrame is None:
previousFrame = gray
return frame, "Uninitialized", frame, frame
frameDiff = cv2.absdiff(previousFrame, gray)
thresh = cv2.threshold(frameDiff, sensitivity_value, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.dilate(thresh, None, iterations=2)
_, cnts, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
frame, text = searchForMovement(cnts, frame, min_area)
#previousFrame = gray
return frame, text, thresh, frameDiff
if __name__ == '__main__':
video = "Track.avi"
video0 = "Track.mp4"
video1= "Ntest1.avi"
video2= "Ntest2.avi"
camera = cv2.VideoCapture(video1)
time.sleep(0.25)
min_area = 5000 #int(sys.argv[1])
cv2.namedWindow("Security Camera Feed")
while camera.isOpened():
gaussian_kernel = 27
sensitivity_value = 5
min_area = 2500
ret, frame = camera.read()
#Check if the next camera read is not null
if ret:
frame, text, thresh, frameDiff = trackMotion(ret,frame, gaussian_kernel, sensitivity_value, min_area)
else:
print("Video Finished")
break
cv2.namedWindow('Thresh',cv2.WINDOW_NORMAL)
cv2.namedWindow('Frame Difference',cv2.WINDOW_NORMAL)
cv2.namedWindow('Security Camera Feed',cv2.WINDOW_NORMAL)
cv2.resizeWindow('Thresh', 800,600)
cv2.resizeWindow('Frame Difference', 800,600)
cv2.resizeWindow('Security Camera Feed', 800,600)
# uncomment to see the tresh and framedifference displays
cv2.imshow("Thresh", thresh)
cv2.imshow("Frame Difference", frameDiff)
cv2.putText(frame, text, (10, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
cv2.imshow("Security Camera Feed", frame)
key = cv2.waitKey(3) & 0xFF
if key == 27 or key == ord('q'):
print("Bye")
break
camera.release()
cv2.destroyAllWindows()
这张图片显示了第一帧仍然如何影响帧差异结果，这会迫使盒子覆盖没有运动的区域。
这个例子显示了当运动被忽略时，不再存在的运动（与视频的第二帧和第一帧的帧差）被错误地检测到的情况。当我允许多次跟踪时，它会同时跟踪两者，这仍然是错误的，因为它检测到一个空白区域。
有谁知道代码错误或缺少的地方？我一直在尝试，但无法使其正常工作。
先感谢您 ！！