OpenCV 3.2 Tracking 物體跟蹤

跟蹤就是在連續視頻幀中定位物體，通常的跟蹤算法包括以下幾類：

1. Dense Optical Flow　稠密光流

2. Sparse Optical Flow　稀疏光流　最典型的如KLT算法（Kanade-Lucas-Tomshi）

3. Kalman Filter

4. Meanshift and Camshift

5. Multiple object tracking

需要注意跟蹤和識別的區別，通常來說跟蹤可以比識別快很多，且跟蹤失敗了可以找回來。

OpenCV 3以后實現了很多追蹤算法，都實現在contrib模塊中，安裝參考。

下面code實現了跟蹤筆記本攝像頭畫面中的固定區域物體，可以選用OpenCV實現的算法

#include <opencv2/opencv.hpp>
#include <opencv2/tracking.hpp>

using namespace std;
using namespace cv;

int main(int argc, char** argv){
  // can change to BOOSTING, MIL, KCF (OpenCV 3.1), TLD, MEDIANFLOW, or GOTURN (OpenCV 3.2)
  Ptr<Tracker> tracker = Tracker::create("MEDIANFLOW"); 
  VideoCapture video(0);
  if(!video.isOpened()){
    cerr << "cannot read video!" << endl;
    return -1;
  }
  Mat frame;
  video.read(frame);
  Rect2d box(270, 120, 180, 260);
  tracker->init(frame, box);
  while(video.read(frame)){
    tracker->update(frame, box);
    rectangle(frame, box, Scalar(255, 0, 0), 2, 1);
    imshow("Tracking", frame);
    int k=waitKey(1);
    if(k==27) break;
  }
}

 着重了解效果較好的KCF（Kernelized Correlation Filters）和經典的KLT算法