使用 C++ 跟踪 openCV 中的多个对象

Question

我正在OpenCV 中做一个项目，使用捕获的视频估计移动车辆的速度。 这里相机是静止的。 我已经使用质心和欧几里德距离估计了单个物体的速度。 现在的问题是，我不知道如何对多个对象执行相同的操作。 在这里，我需要计算 2 个后续帧之间对象的欧几里得距离。 如果有人愿意帮忙，我将不胜感激。

我创建了类-

class centroids
{
    public:
        vector<Point2f> ce;
        vector<float> area;
};
centroids c[100];

这是我写的代码。 如果有人帮助我处理代码，我将不胜感激：

findContours( fgMaskMOG2, 
              contours, 
              hierarchy,
              CV_RETR_CCOMP, 
              CV_CHAIN_APPROX_SIMPLE );
int morph_size = 6;
Mat element = getStructuringElement( MORPH_RECT, 
                                     Size( 2*morph_size+1, 2*morph_size+1 ), 
                                     Point( morph_size, morph_size ) );



Scalar color( 255, 255, 255 );  // color of the contour in the
//Draw the contour and rectangle
for( int i = 0; i < contours.size(); i++ )
{
    drawContours( fgMaskMOG2,
                  contours,
                  i, 
                  color, 
                  CV_FILLED,
                  8,
                  hierarchy );
}

//imshow("morpho window",dst);

vector<Moments> mu( contours.size() );

vector<Point2f> mc( contours.size() );
vector<Point2f> m ;

vector<double> time;
vector<Point2f> centroid( mc.size() );

//vector< vector<Point> >::iterator itc = contours.begin();
// iterate through each contour.
double time1[1000];

for( int i = 0; i < contours.size(); i++ )
{
    //  Find the area of contour
    double a = contourArea( contours[i], false ); 

    if( a > 500 )
    {
        mu[i] = moments( contours[i], false );
        mc[i] = Point2f( (mu[i].m10 / mu[i].m00), (mu[i].m01 / mu[i].m00) );
        m.push_back( mc[i] );
        Point2f diff;
        double euclidian = 0;
        for( int f = 0; f < m.size(); f++ )
        {
            if( k == 1 )
            {
                c[f].ce.push_back( m[f] );
                cout << "cen" << c[f].ce << endl;
                euclidian = 0;

            }
            else
            {
                c[f+1].ce.push_back( m[f] );
                cout << "cent" << c[f+1].ce << endl;

                diff = c[f].ce[f] - c[f-1].ce[f-1];

                euclidian = abs( sqrt( (diff.x*diff.x) + (diff.y*diff.y) ) );
                cout << "euclidian" << euclidian << endl;
            }
        }
        cout << "\n centroid" << m << endl;

        circle( fgMaskMOG2, 
                mc[i], 
                5, 
                Scalar( 0, 0, 255 ), 
                1,
                8,
                0 );
    }
}

提前致谢 ：）

Answer 1

只有在整个计算过程中车辆和摄像机之间的近似距离是恒定的，即车辆沿垂直于摄像机视线的直线移动时，您才能根据视频帧估计移动车辆的速度。 因此，如果摄像机从侧面看，所有车辆将处于不同的距离，并且对于多个车辆的计算将变得非常不准确。 即使车辆会重叠，它们的分割也会很困难。

您的计算可能在两种情况下起作用 -

1. 首先，当相机从顶部垂直向下拍摄车辆时。 在这种情况下，车辆颜色和道路颜色之间将存在明显差异。 您可以使用多种方法来分割这些单独的车辆，根据它们的特征标记它们，并使用这些特征在下一帧中识别这些车辆。 通过这种方式，您将获得各个车辆的位置，然后您可以根据您的算法预测速度。 这些是以下链接，它们将有助于分割车辆 -

如何在 OpenCV 中定义 Watershed 的标记？

http://www.codeproject.com/Articles/751744/Image-Segmentation-using-Unsupervised-Watershed-Al

http://www.bogotobogo.com/python/OpenCV_Python/python_opencv3_Image_Watershed_Algorithm_Marker_Based_Segmentation.php

2. 第二，当车辆在一条直线上并排行驶时。 在这种情况下，您可以根据车辆的背景使用基于颜色和轮廓的分割组合。 分割后，您可以再次使用对象特征来识别下一帧中对象的位置。 然后为这两种情况运行你的算法。

如果您有完整的车辆视频序列，您可以在第一帧中自动分割出不同的车辆或手动识别它们，然后对这些识别出的物体应用运动跟踪。 您可以使用 Opencv 的运动分析功能和对象跟踪功能来执行此操作。 因此，您将获得每一帧中所有跟踪车辆的位置。 因此，您可以轻松运行和测试您的速度计算算法。