資訊專欄INFORMATION COLUMN
摘要：前幾周搞了一個基于模板跟蹤的算法實現(xiàn)。但是對于模板的選取我們也需要小心點，要不然會跟蹤丟失。這個你們用了之后會發(fā)現(xiàn)其中的小奧秘。后期我會使用傳感器來進(jìn)行對于視覺的處理，請大家耐心等待哦
前幾周搞了一個基于模板跟蹤的算法實現(xiàn)。即在視頻中跟蹤出模板目標(biāo)
閑話不多說，直接程序給出：
# -*- coding: utf-8 -*-
"""
Created on Thu Jun 30 09:13:24 2016
@author: liu
"""
import cv2
import numpy as np
from matplotlib import pyplot as plt
#img = cv2.imread("xucaise.jpg",0)
#template = cv2.imread("xuxu.jpg",0)
template = cv2.imread("ppp.png",0)
w, h = template.shape[::-1]
#s1=cv2.imread("xupanmu.jpg",cv2.IMREAD_GRAYSCALE)
#s1 = cv2.imread(ph1)
#s2 = cv2.imread(ph2)
methods = ["cv2.TM_SQDIFF_NORMED"]
#methods = ["cv2.TM_CCOEFF_NORMED"]#平方差匹配法，最好的匹配為0，值越大匹配越差；
cap = cv2.VideoCapture("double.mov")
ret,frame = cap.read()
c=0
time=10
a=1
while ret:
ret ,frame = cap.read()
c=c+1
if ret == True:
if (c%time==0):
for meth in methods:
method = cv2.TM_SQDIFF_NORMED#eval(meth)
cv2.imwrite("xuphoto"+str(c)+".png",frame)
s2=cv2.imread("xuphoto"+str(c)+".png",0)
#s2=frame
#img = cv2.imread("xucaise.jpg",0)
res = cv2.matchTemplate(s2,template,method)
#cv2.imwrite("pp"+str(c)+".jpg",res)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
top_left = min_loc
else:
top_left = max_loc
#top_left = max_loc
bottom_right = (top_left[0] + w +100, top_left[1] + h +100 )
cv2.rectangle(s2,top_left, bottom_right, 255, 2)
#cv2.imshow("img2",s2)
cv2.imwrite("iphone"+str(c)+".png",s2)
plt.subplot(121),plt.imshow(res,cmap = "gray")
plt.title("Matching Result"), plt.xticks([]), plt.yticks([])
# cv2.imwrite("ccc"+str(c)+".jpg",res)
plt.subplot(122),plt.imshow(s2,cmap = "gray")
plt.title("Detected Point"), plt.xticks([]), plt.yticks([])
plt.suptitle("cv2.TM_SQDIFF_NORMED")
#plt.suptitle("cv2.TM_CCOEFF_NORMED")
plt.show()
#k = cv2.waitKey(60) & 0xff
#if k == 27:
# break
#pic_sub(emptyimg,s1,s2)
if c>200:
c=0
cv2.destroyAllWindows()
cap.release()
程序目前是這些，如有看不懂的地方可以和我交流：liushengkai008@163.com
這個實現(xiàn)的結(jié)果就是能夠跟蹤我們選取的模板目標(biāo)。但是對于模板的選取我們也需要小心點，要不然會跟蹤丟失。這個你們用了之后會發(fā)現(xiàn)其中的小奧秘。
后期我會使用kinnect傳感器來進(jìn)行對于視覺的處理，請大家耐心等待哦
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/38116.html
摘要：將軀干圖像灰度化后經(jīng)插值運算和歸一化變換為大小的矩陣，作為結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行個體識別。卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建為減少數(shù)據(jù)量并保證輸入圖像的細(xì)節(jié)信息，將奶牛軀干圖像灰度化后通過插值計算變化為的圖像，并除以歸一化后作為輸入數(shù)據(jù)。 最近看了一個有趣的人工智能應(yīng)用，給大家分享一下~這是一個人工智能與農(nóng)業(yè)的結(jié)合，在農(nóng)業(yè)中我們經(jīng)常需要給個體動物做標(biāo)記，目的是對奶牛做身份識別，然后可以對動物做養(yǎng)殖和繁殖...
摘要：年，軟件開發(fā)界發(fā)生了很多變化。六數(shù)據(jù)存儲是一個關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，由瑞典公司開發(fā)，目前屬于旗下公司。最流行的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，在應(yīng)用方面是最好的，關(guān)系數(shù)據(jù)庫管理系統(tǒng)應(yīng)用軟件之一。七是最新的修訂版本，年月由萬維網(wǎng)聯(lián)盟完成標(biāo)準(zhǔn)制定。 2015年，軟件開發(fā)界發(fā)生了很多變化。有很多流行的新語言發(fā)布了，也有很多重要的框架和工具發(fā)布了新版本。下面有一個我們覺得最重要的簡短清單，同時也有我們覺...
摘要：年，軟件開發(fā)界發(fā)生了很多變化。六數(shù)據(jù)存儲是一個關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，由瑞典公司開發(fā)，目前屬于旗下公司。最流行的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，在應(yīng)用方面是最好的，關(guān)系數(shù)據(jù)庫管理系統(tǒng)應(yīng)用軟件之一。七是最新的修訂版本，年月由萬維網(wǎng)聯(lián)盟完成標(biāo)準(zhǔn)制定。 2015年，軟件開發(fā)界發(fā)生了很多變化。有很多流行的新語言發(fā)布了，也有很多重要的框架和工具發(fā)布了新版本。下面有一個我們覺得最重要的簡短清單，同時也有我們覺...
閱讀 3204·2021-11-25 09:43
閱讀 3415·2021-11-11 16:54
閱讀 842·2021-11-02 14:42
閱讀 3760·2021-09-30 09:58
閱讀 3670·2021-09-29 09:44
閱讀 1287·2019-08-30 15:56
閱讀 2105·2019-08-30 15:54
閱讀 2993·2019-08-30 15:43
