【文章內(nèi)容簡介】 要一些視頻的轉(zhuǎn)換器。自己就在網(wǎng)上下載了一個(gè)貍窩視頻轉(zhuǎn)換器用來轉(zhuǎn)換視頻格式。 (3)流程圖 開始 創(chuàng)建一個(gè) CvCapture 指針加載一個(gè)視頻。 得到一個(gè)IplImage 指針以獲取下一幀視頻 按下 esc鍵 加載一個(gè)窗口 創(chuàng)建一個(gè)窗口以顯示所加載的視頻，以每一幀的方式 關(guān)閉視頻 結(jié)束 繼續(xù)播放視頻 播放結(jié)束 (4)加載視頻中可能遇到的問題以及可能的原因。 1視頻文件路徑?jīng)]寫對 2沒有安裝解碼器 3 如 果 使 用 的 是 或 更 高 版 本 ， 那 么 ， 能 否 正 確 加 載 4盡管是 AVI 文件，但也可能使用了某種 codec，例如 :MJPEG Depressor。 需要把它轉(zhuǎn)換 OpenCV 支持的 AVI文件 . OpenCV 支持的 AVI。例如使用貍窩全能視頻轉(zhuǎn)換器，在《預(yù)置方案》處，選擇 AVIAudio_Video Interleaved(*.avi)?；蛘呤褂酶袷焦S也可以。 5讀攝像頭數(shù)據(jù)，需要安裝與攝像頭相應(yīng)的驅(qū)動(dòng)程序。 （ 5）運(yùn)行結(jié)果 (6)加載視頻既可以使用加載一段視頻，也可以打開一個(gè)自己電腦上的攝像頭。 CvCapture 是一個(gè)結(jié)構(gòu)體，用來保存圖像捕獲所需要的信息。 opencv 提供兩種方式從外部捕獲圖像 一種是從攝像頭中，一種是通過解碼視頻得到圖像。兩種方式都必須從第一幀開始一幀一幀的按順序獲取，因此每獲取一幀后都要保存相應(yīng)的狀態(tài)和參數(shù)。 比如從視頻文件中獲取，需要保存視頻文件的文件名，相應(yīng)的解碼器類型，下一次如果要獲取將需要解碼哪一幀等。 這些信息都保存在 CvCapture 結(jié)構(gòu)中，每獲取一幀后，這些信息都將被更新，獲取下一幀需要將新信息傳給獲取的 api 接口 獲取攝像頭，顯示圖像 。 (1)與其相關(guān)的說明 在獲取攝像頭之前先來熟悉以下 opencv 中視頻獲取的數(shù)據(jù)結(jié)構(gòu)的管理方式。 ：視頻獲取結(jié)構(gòu) 說明： OpenCV中的視頻獲取結(jié)構(gòu)。結(jié)構(gòu) CVCapture 沒有公共接口，它只能用來作視頻獲取函數(shù)中實(shí)用的一個(gè)參數(shù)。 :初始化文件中獲取視頻 語法： CvCapture * cvCreateFileCapture(const char *filename)。 攝像頭 cvQueryFrame 視頻文件 cvCreateFileCapture CvCapture cvCreateCameraCapture IplImage 參數(shù) 類型 說明 Filename const char* 使用視頻文件名 說明：該函數(shù)給指定文件的視頻流分配和初始化 CvCapture. 返回值 。分配的 CvCapure ：從攝像頭中獲取視頻 語法： CvCapture * cvCaptureFromCAM(int index) 參數(shù) 類型 說明 Index in t index 指的是攝像頭的索引，當(dāng)只有一個(gè)攝像頭時(shí)， index 設(shè)為 1 4. cvQueryFrame：從攝像頭或者文件中抓取并返回一幀 語法： IplImage* cvQueryFrame(CvCapture * capture) 參數(shù) 類型 說明 cvCapture CvCapture* 視頻獲取結(jié)構(gòu) cvQueryFrame:從攝像頭或者文件中抓取一幀，然后解壓并返回一幀 。返回的圖 像不可以被用戶釋放或者修改。 返回值 。 IplImage 獲取的指針 (2)相關(guān)代碼 對 AVI 文件中的視頻進(jìn)行處理，可用如下程序。獲得圖像的效果如下圖。 include int main(int argc, char* argv[]) { cvNamedWindow(avi)。 CvCapture* capture = cvCreateCameraCapture(1)。 IplImage* frame。 while(1) { frame = cvQueryFrame(capture)。 if(!frame)break。 cvShowImage(avi,frame)。 char c = cvWaitKey(33)。 if(c==27) break。 } cvReleaseCapture(amp。capture)。 cvDestroyWindow(avi)。 return 0。 } (3)相關(guān)代碼的解釋。 該代碼與加載視頻基本一致。只是有一處代碼有所改只需把cvCreateFileCapture 改成 cvCreateCameraCapture 即可。 該函數(shù)的輸入?yún)?shù)是一個(gè) ID 號，只有存在多個(gè)攝像頭時(shí)才起作用。當(dāng) ID=1 時(shí)，表示隨機(jī)選擇一個(gè)。HighGUI 做了很多工作，使得攝像機(jī)圖像序列像一個(gè)視頻文件一樣。 (4)運(yùn)行結(jié)果。 opencv 運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)實(shí)現(xiàn)的詳細(xì)說明 。 運(yùn)動(dòng)目標(biāo)檢測時(shí)各種后續(xù)高級應(yīng)用如目標(biāo)跟蹤，目標(biāo)分類，目標(biāo)行為理解等的基礎(chǔ)主要目的是從視頻圖像中提取出運(yùn)動(dòng)目標(biāo)并獲得運(yùn)動(dòng)目標(biāo)的特征信息，如顏色，形狀，輪廓等。提取運(yùn)動(dòng)目標(biāo)的過程實(shí)際上就是一個(gè)圖像分割的過程，而運(yùn)動(dòng)物體就只有在 連續(xù)的圖像序列（如視頻圖像序列） 中才能體現(xiàn)出來，運(yùn)動(dòng)目標(biāo)的提取過程就是在連續(xù)的圖像序列中尋找差異，并把由于物體運(yùn)動(dòng)和表現(xiàn)出來的差異提取出來。 一般目標(biāo)跟蹤的實(shí)現(xiàn)的流程圖。 本文的檢測算法。 連續(xù)適應(yīng)性均值移動(dòng)算法（ CamShift） 本平臺在進(jìn)行運(yùn)動(dòng)物體檢測跟蹤時(shí)所采用的算法是：首先利用“幀差法”檢測出初始的運(yùn)動(dòng)目標(biāo)；一旦認(rèn)為此目標(biāo)合法，便根據(jù)目標(biāo)在 HSI（色調(diào)、飽和度、強(qiáng)度）空間中 H 通道的色調(diào)特性，利用“連續(xù)適應(yīng)性均值移動(dòng)算法（ CamShift）”，對目標(biāo)進(jìn)行跟蹤。 CamShift 算法簡述如下： （ 1） 在圖像 HSI 空間中計(jì)算 H通道（色彩通道）分量的 1D 直方圖 （ 2） 利用此 1D 直方圖將原圖改建成 2D 概率分布圖 （ 3） 計(jì)算出目標(biāo)區(qū)域的重心。 （ 4） 利用經(jīng)典的“ Mean Shift”算法，不斷平移調(diào)整窗口中心到與目標(biāo)重心重合 （ 5）將上一幀的窗口大小和中心，作為下一幀 Mean Shift 算法搜索窗口的初始值，在下一幀中繼續(xù) Mean Shift 運(yùn)算。 上述運(yùn)動(dòng)物體檢測和跟蹤的算法的流程圖 計(jì)算 H 通道分量的1 D 直方圖根據(jù) 1 D 直方圖建立2 D 概率分布圖計(jì)算出目標(biāo)區(qū)域的重心Me a n S h if t 算法將上一幀結(jié)果作為下一幀初始窗口 Camshift算法原理及其 Opencv實(shí)現(xiàn) 。 CamShift 算法，即 Continuously Apative MeanShift算法，是一種運(yùn)動(dòng)跟蹤算法。它主要通過視頻圖像中運(yùn)動(dòng)物體的顏色信息來達(dá)到跟蹤的目的。我把這個(gè)算法分解成三個(gè)部分，便于理解： 1) Back Projection 計(jì)算 2) Mean Shift 算法 3) CamShift 算法 Projection 計(jì)算 Back Projection 的步驟是這樣的： 1. 計(jì)算被跟蹤目標(biāo)的色彩直方圖。在各種色彩空間中，只有 HSI 空間 (或與 HSI類似的色 彩空間 )中的 H 分量可以表示顏色信息。所以在具體的計(jì)算過程中，首先將其他的色彩空間的值轉(zhuǎn)化到 HSI 空間，然后會其中的 H 分量做 1D 直方圖計(jì)算。 2. 根據(jù)獲得的色彩直方圖將原始圖像轉(zhuǎn)化成色彩概率分布圖像，這個(gè)過程就被稱作 Back Projection。 在 OpenCV 中的直方圖函數(shù)中，包含 Back Projection 的函數(shù)，函數(shù)原型是： void cvCalcBackProject(IplImage** img, CvArr** backproject, const CvHistogram* hist)。 傳遞給這個(gè)函數(shù)的參數(shù)有三個(gè)： 1. IplImage** img:存放原始圖像，輸入。 2. CvArr** backproject:存放 Back Projection 結(jié)果，輸出。 3. CvHistogram* hist:存放直方圖，輸入 Back Projection 的 OpenCV 代碼。 （ 1） 準(zhǔn)備一張只包含被跟蹤目標(biāo)的圖片，將色彩空間轉(zhuǎn)化到 HSI 空間，獲得其中的 H分量： IplImage* target=cvLoadImage(,1)。 //裝載圖片 IplImage* target_hsv=cvCreateImage( cvGetSize(target), IPL_DEPTH_8U, 3 )。 IplImage* target_hue=cvCreateImage( cvGetSize(target), IPL_DEPTH_8U, 3 )。 cvCvtColor(target,target_hsv,CV_BGR2HSV)。 //轉(zhuǎn)化到 HSV 空間 cvSplit( target_hsv, target_hue, NULL, NULL, NULL )。 //獲得 H分量 （ 2） 計(jì)算 H分量的直方圖，即 1D直方圖： IplImage*h_plane=cvCreateImage( cvGetSize(target_hsv),IPL_DEPTH_8U,1 )。 int hist_size[]={255}。 //將 H分量的值量化到 [0,255] float* ranges[]={ {0,360} }。 //H 分量的取值范圍是 [0,360) CvHistogram* hist=cvCreateHist(1, hist_size, ranges, 1)。 cvCalcHist(amp。target_hue, hist, 0, NULL)。 在這里需要考慮 H 分量的取值范圍的問題， H分量的取值范圍是 [0,360),這個(gè)取值范圍的值不能用一個(gè) byte 來表示，為了能用一個(gè) byte 表示，需要將 H值做適當(dāng)?shù)牧炕幚?,在這里我們將 H分量的范圍量化到 [0,255]. （ 3） 計(jì)算 Back Projection： IplImage* rawImage。 // //get from video frame,unsigned byte,one channel // IplImage* result=cvCreateImage(cvGetSize(rawImage),IPL_DEPTH_8U,1)。 cvCalcBackProject(amp。rawImage,result,hist)。 用在 cvCalcBackProject 處理中的模板是目標(biāo)圖像色調(diào) (HUE)的直方圖，而直方圖可以看作是一種概率分布圖。在處理前，目標(biāo)圖像中的每一個(gè)象素的值描述的在這一點(diǎn)的顏色信息，而處理后，圖像中每一個(gè)象素的值就變成了這個(gè)顏色信息出現(xiàn)在此處的可能性的一種離散化的度量，出現(xiàn)的可能性大，象素的值就大，反之則小。這樣就為后面的匹配和跟蹤提供了線索。 (2)meanshift CamShift 算法， OpenCV 實(shí)現(xiàn)的第二部分，這一次重點(diǎn)討論 Mean Shift 算法。 （ 1）計(jì)算重心。 .在討論 Mean Shift 算法之前，首先討論在 2D 概率分布圖像中，如何計(jì)算某個(gè)區(qū)域的重心 (Mass Center)的問題，重心可以通過以下公式來計(jì)算： 0階矩 for(int i=0。iheight。i++) for(int j=0。jwidth。j++) M00+=I(i,j) 1階矩： for(int i=0。iheight。i++) for(int j=0。jwidth。j++) { M10+=i*I(i,j)。 M01+=j*I(i,j)。 } Mass Center 為： Xc=M10/M00。 Yc=M01/M00 Mean Shift 算法的具體步驟 接下來，討論 Mean Shift 算法的具體步驟， Mean Shi