最簡單的目標跟蹤（模版匹配）

1、概述

       目標跟蹤是計算機視覺領域的一個重要分支。研究的人不少，近幾年也出現了不少不少的算法。你們看看淋漓滿目的paper就知道了。但在這裏，咱們也聚焦下比較簡單的算法，看看它的優點在哪裏。畢竟有時候簡單就是一種美。

       在這裏咱們一塊兒來欣賞下「模板匹配」這個簡單點的跟蹤算法。它的思想很簡單，咱們把要跟蹤的目標保存好，而後在每一幀來臨的時候，咱們在整個圖像中尋找與這個目標最類似的，咱們就相信這個就是目標了。那如何判斷類似呢？就用到了一些相關性的東西了，這個在我以前的一篇博文裏面介紹過，你們能夠參考下：

       模板匹配中差值的平方和（SSD）與互相關準則的關係

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

       而後爲了適應目標的變化，咱們就須要隨時更新咱們要跟蹤的目標。換句話來講，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幀中咱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。這個就叫作在線跟蹤方法。固然了，這個策略會致使跟蹤漂移的問題，這就是近幾年不少跟蹤算法關注的重要問題之一了。

 

2、代碼實現

       個人代碼是基於VS2010+ OpenCV2.4.2的。代碼能夠讀入視頻，也能夠讀攝像頭，二者的選擇只須要在代碼中稍微修改便可。對於視頻來講，運行會先顯示第一幀，而後咱們用鼠標框選要跟蹤的目標，而後跟蹤器開始跟蹤每一幀。對攝像頭來講，就會一直採集圖像，而後咱們用鼠標框選要跟蹤的目標，接着跟蹤器開始跟蹤後面的每一幀。具體代碼以下：

simpleTracker.cpp

// Object tracking algorithm using matchTemplate
// Author : zouxy
// Date   : 2013-10-28
// HomePage : http://blog.csdn.net/zouxy09
// Email  : zouxy09@qq.com

#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;
}

3、結果

       咱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。以下圖因此，每幀的幀號在右上角所示。這個視頻的光照變化是挺大的，可是簡單的模板匹配方法仍是能夠挺有效的進行跟蹤的，並且速度很快，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）。