结合OpenCV中Camshitf算法学习，做一些简单的补充，包括：
- 实现全自动跟随的一种方法
参考opencv中的相关demo，可以截取目标物体的图片，由此预先计算出其色彩投影图，用于实际的目标跟随。
1 Mat hsv,mask,hue,hist; 2 cvtColor( cut_image, hsv, CV_BGR2HSV );//cut_image为提前截取的目标图片 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);
上述代码计算出了目标物体的色彩投影图 hist，之后利用hist便可以实现目标物体的全自动跟随了
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能有效解决目标变形和遮挡的问题，对系统资源要求不高，时间复杂度低，在简单背景下能够取得良好的跟踪效果。但当背景较为复杂，或者有许 多与目标颜色相似像素干扰的情况下，会导致跟踪失败。因为它单纯的考虑颜色直方图，忽略了目标的空间分布特性，所以这种情况下需加入对跟踪目标的预测算法。
由于这个缺点，因此可以利用surf算法进行特征点匹配，从而克服camshif因复杂环境造成的影响，不过surf算法的一个缺陷是不能解决目标物体的变形。由此，最好的解决方法便是 camshift+surf 。或者说利用PCL。
2013.10.25