最簡單的目標跟蹤（模版匹配）

一、概述

       目標跟蹤是計算機視覺領域的一個重要分支。研究的人很多，近幾年也出現了很多很多的算法。大家看看淋漓滿目的paper就知道了。但在這里，我們也聚焦下比較簡單的算法，看看它的優勢在哪里。畢竟有時候簡單就是一種美。

       在這里我們一起來欣賞下“模板匹配”這個簡單點的跟蹤算法。它的思想很簡單，我們把要跟蹤的目標保存好，然后在每一幀來臨的時候，我們在整個圖像中尋找與這個目標最相似的，我們就相信這個就是目標了。那如何判斷相似呢？就用到了一些相關性的東西了，這個在我之前的一篇博文里面介紹過，大家可以參考下：

       模板匹配中差值的平方和（SSD）與互相關准則的關系

http://blog.csdn.net/zouxy09/article/details/8549743

       然后為了適應目標的變化，我們就需要隨時更新我們要跟蹤的目標。換句話來說，在跟蹤t幀的時候，也就是在第t幀尋找目標的時候，是與t-1幀中我們找到的目標來進行比較的。這樣目標的外觀變化就會及時的更新。這個就叫做在線跟蹤方法。當然了，這個策略會導致跟蹤漂移的問題，這就是近幾年很多跟蹤算法關注的重要問題之一了。

 

二、代碼實現

       我的代碼是基於VS2010+ OpenCV2.4.2的。代碼可以讀入視頻，也可以讀攝像頭，兩者的選擇只需要在代碼中稍微修改即可。對於視頻來說，運行會先顯示第一幀，然后我們用鼠標框選要跟蹤的目標，然后跟蹤器開始跟蹤每一幀。對攝像頭來說，就會一直采集圖像，然后我們用鼠標框選要跟蹤的目標，接着跟蹤器開始跟蹤后面的每一幀。具體代碼如下：

simpleTracker.cpp

 

// Object tracking algorithm using matchTemplate
// Author : zouxy
// Date   : 2013-10-28
// HomePage : http://blog.csdn.net/zouxy09
// Email  : [e-mail]

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

// Global variables
Rect box;
bool drawing_box = false;
bool gotBB = false;

// bounding box mouse callback
void mouseHandler(int event, int x, int y, int flags, void *param){
  switch( event ){
  case CV_EVENT_MOUSEMOVE:
    if (drawing_box){
        box.width = x-box.x;
        box.height = y-box.y;
    }
    break;
  case CV_EVENT_LBUTTONDOWN:
    drawing_box = true;
    box = Rect( x, y, 0, 0 );
    break;
  case CV_EVENT_LBUTTONUP:
    drawing_box = false;
    if( box.width < 0 ){
        box.x += box.width;
        box.width *= -1;
    }
    if( box.height < 0 ){
        box.y += box.height;
        box.height *= -1;
    }
    gotBB = true;
    break;
  }
}


// tracker: get search patches around the last tracking box,
// and find the most similar one
void tracking(Mat frame, Mat &model, Rect &trackBox)
{
    Mat gray;
    cvtColor(frame, gray, CV_RGB2GRAY);

    Rect searchWindow;
    searchWindow.width = trackBox.width * 3;
    searchWindow.height = trackBox.height * 3;
    searchWindow.x = trackBox.x + trackBox.width * 0.5 - searchWindow.width * 0.5;
    searchWindow.y = trackBox.y + trackBox.height * 0.5 - searchWindow.height * 0.5;
    searchWindow &= Rect(0, 0, frame.cols, frame.rows);

    Mat similarity;
    matchTemplate(gray(searchWindow), model, similarity, CV_TM_CCOEFF_NORMED);

    double mag_r;
    Point point;
    minMaxLoc(similarity, 0, &mag_r, 0, &point);
    trackBox.x = point.x + searchWindow.x;
    trackBox.y = point.y + searchWindow.y;
    model = gray(trackBox);
}

int main(int argc, char * argv[])
{
    VideoCapture capture;
    capture.open("david.mpg");
    bool fromfile = true;
    //Init camera
    if (!capture.isOpened())
    {
        cout << "capture device failed to open!" << endl;
        return -1;
    }
    //Register mouse callback to draw the bounding box
    cvNamedWindow("Tracker", CV_WINDOW_AUTOSIZE);
    cvSetMouseCallback("Tracker", mouseHandler, NULL );

    Mat frame, model;
    capture >> frame;
    while(!gotBB)
    {
        if (!fromfile)
            capture >> frame;

        imshow("Tracker", frame);
        if (cvWaitKey(20) == 'q')
            return 1;
    }
    //Remove callback
    cvSetMouseCallback("Tracker", NULL, NULL );

    Mat gray;
    cvtColor(frame, gray, CV_RGB2GRAY);
    model = gray(box);

    int frameCount = 0;

    while (1)
    {
        capture >> frame;
        if (frame.empty())
            return -1;
        double t = (double)cvGetTickCount();
        frameCount++;

        // tracking
        tracking(frame, model, box);

        // show
        stringstream buf;
        buf << frameCount;
        string num = buf.str();
        putText(frame, num, Point(20, 20), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 3);
        rectangle(frame, box, Scalar(0, 0, 255), 3);
        imshow("Tracker", frame);


        t = (double)cvGetTickCount() - t;
        cout << "cost time: " << t / ((double)cvGetTickFrequency()*1000.) << endl;

        if ( cvWaitKey(1) == 27 )
            break;
    }

    return 0;
}

 

 

三、結果

       我們對在目標跟蹤領域一個benchmark的視頻-david來測試下代碼的效果。如下圖所以，每幀的幀號在右上角所示。這個視頻的光照變化是挺大的，但是簡單的模板匹配方法還是可以挺有效的進行跟蹤的，而且速度很快，在這個視頻中，只花費了1ms左右（耗時的長度與目標框的大小和機器的性能有關）。