meanShift视频目标跟踪 C++实现源代码

使用C++实现了meanShift跟踪算法，通过跟踪视频中的物体验证了其可行性。文档中包含源代码和一个meanShift原理讲解文档

#include “core/core.hpp“    
#include “highgui/highgui.hpp“    
#include “imgproc/imgproc.hpp“
#include “video/tracking.hpp“
#include    
#include 
using namespace cv;    
using namespace std;    

Mat image;
bool leftButtonDown = false;// 鼠标左键是否按下
bool videoPauseFlag = false;// 是否暂停视频
bool trackingFlag = false;// 是否开始meanShift跟踪
Point pt1 pt2;// 记录选择区域的左上点/右下点
Rect rect;// 跟踪区域
vector dstRegionDensity;// 目标跟踪区域的核函数估计密度向量
vector testRegionDensity;// 候选区域的核函数估计密度向量
vector w;// meanShift公式中的权值计算
int densityNum = 4096;// 对于每一帧图像的R/G/B三通道，每个通道按照值的大小分为16个区间，所以密度向量为16*16*16=4096维
void onMouse（int eventint xint yint flags void* ustc）; //鼠标回调函数  
void calcKernelDensity（Mat imageSrc vector&density int densityNum）; // 计算图像的核函数估计密度向量
void meanShiftTracking（Mat& imageSrc int iteration double eps Rect& rect）;// meanShift算法跟踪


int main（）
{
	// 打开视频文件
	VideoCapture cap（“768X576.avi“）;
	if（!cap.isOpened（））
	{
		cout<<“cannot open avi file“<		return -1;
	}
	// 全局链表分配空间
	dstRegionDensity.resize（densityNum）;
	testRegionDensity.resize（densityNum）;
	w.resize（densityNum）;

	double fps = cap.get（CV_CAP_PROP_FPS）;// 获取图像帧率
	int pauseTime = （int）（1000.f/fps）;
	namedWindow（“video“）;
	setMouseCallback（“video“ onMouse）;

	while（1）
	{
		if（waitKey（pauseTime） == ‘p‘）
		{
			videoPauseFlag = !videoPauseFlag;
		}
		if（videoPauseFlag）// 暂停视频时不会更新图像帧
			continue;
		else
		{
			cap>>image;
			if（trackingFlag）
			{
				meanShiftTracking（image 30 0.2 rect）;// meanShift跟踪
				int num = 0;
				
				/*for（int n = 0; n < densityNum; n++）
				{
					dstRegionDensity[n] = testRegionDensity[n];
				}*/
				rectangle（image rect Scalar（0 0 0））;// 绘制出计算得到的跟踪位置

			}
		}
		imshow（“video“ image）;

	}

}

void onMouse（int eventint xint yint flags void* ustc）
{
	Mat imageROI;
	// 鼠标左键按下获取区域起始点
	if（event == CV_EVENT_LBUTTONDOWN&&!trackingFlag）
	{
		leftButtonDown = true;
		pt1 = Point（xy）;
	}
	// 拖动选取区域并使用黑色线框显示选择区域
	else if（event == CV_EVENT_MOUSEMOVE && leftButtonDown）
	{
		Mat image_tmp;
		image.copyTo（image_tmp）;
		pt2 = Point（xy）;
		rectangle（image_tmp pt1 pt2 Scalar（0 0 0））;
		imshow（“video“ image_tmp）;
	}
	// 左键松开获取区域结束点，确定目标跟踪区域
	else if（event == CV_EVENT_LBUTTONUP && leftButtonDown）
	{
		leftButtonDown = false;
		pt2 = Point（xy）;
		image（Rect（pt1 pt2））.copyTo（imageROI）;
		rect.x = std::min（pt1.x pt2.x）;
		rect.y = std::min（pt1.y pt2.y）;
		rect.width = pt1.x > pt2.x ? pt1.x - pt2.x : pt2.x - pt1.x;
		rect.height = pt1.y > pt2.y ? pt1.y - pt2.y : pt2.y - pt1.y;

		namedWindow（“imageROI“）;
		imshow（“imageROI“ imageROI）;
		// 计算目标跟踪区域的核函数估计密度向量
		calcKernelDensity（imageROI dstRegionDensity densityNum）;
		waitKey（2000）;
		destroyWindow（“imageROI“）;
		trackingFlag = true;
	}

}


void calcKernelDensity（Mat imageSrc vector&density int densityNum）
{
	/* 选取的核函数轮廓函数为k（x） = 1-x^2，其中x为图

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件     8131690  2013-11-13 17:44  meanShift\768x576.avi
     文件        5645  2017-11-06 16:23  meanShift\meanShiftTracking.cpp
     文件     3790678  2017-11-06 15:49  meanShift\meanshift算法简介.pdf
     目录           0  2017-11-06 16:25  meanShift\