OpenCV中Camshitf算法學習（補充）

結合OpenCV中Camshitf算法學習，作一些簡單的補充，包括：

• 實現全自動跟隨的一種方法

參考opencv中的相關demo，能夠截取目標物體的圖片，由此預先計算出其色彩投影圖，用於實際的目標跟隨。

1 Mat hsv,mask,hue,hist;
2 cvtColor( cut_image, hsv, CV_BGR2HSV );//cut_image爲提早截取的目標圖片
3 inRange( hsv, Scalar( MIN( _hmin, _hmax ), MIN( _smin, _smax ), MIN( _vmin, _vmax ) ),Scalar( MAX( _hmin, _hmax ), MAX( _smin, _smax ), MAX( _vmin, _vmax ) ),mask );
4 
5 int ch[] = {0, 0};
6 hue.create(hsv.size(), hsv.depth());
7 mixChannels(&hsv, 1, &hue, 1, ch, 1);
8 calcHist( &hue,1,0,mask,hist,1,&hsize,&phranges);
9 normalize(hist, hist, 0, 255, CV_MINMAX);

上述代碼計算出了目標物體的色彩投影圖 hist，以後利用hist即可以實現目標物體的全自動跟隨了

 1 cvtColor( sceneImg,hsv,CV_BGR2HSV);
 2 inRange( hsv, Scalar( MIN( _hmin, _hmax ), MIN( _smin, _smax ), MIN( _vmin, _vmax ) ),Scalar( MAX( _hmin, _hmax ), MAX( _smin, _smax ), MAX( _vmin, _vmax ) ),mask );
 3 
 4 Mat backproj;
 5 hue.create(hsv.size(), hsv.depth());
 6 mixChannels(&hsv, 1, &hue, 1, ch, 1);
 7 calcBackProject( &hue, 1, 0, hist, backproj, &phranges );
 8 backproj &= mask;
 9 trackWindow = Rect( 0, 0, 640, 480 );
10 trackBox =  CamShift(backproj, trackWindow,
11 TermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ));

• 缺陷

　　camshift能有效解決目標變形和遮擋的問題，對系統資源要求不高，時間複雜度低，在簡單背景下可以取得良好的跟蹤效果。但當背景較爲複雜，或者有許 多與目標顏色類似像素干擾的狀況下，會致使跟蹤失敗。由於它單純的考慮顏色直方圖，忽略了目標的空間分佈特性，因此這種狀況下需加入對跟蹤目標的預測算法。
　　因爲這個缺點，所以能夠利用surf算法進行特徵點匹配，從而克服camshif因複雜環境形成的影響，不過surf算法的一個缺陷是不能解決目標物體的變形。由此，最好的解決方法即是 camshift+surf 。或者說利用PCL。

2013.10.25