追蹤演算法KCF體驗

本文使用KCF的opencv版本實現。

對應論文：High-Speed Tracking with Kernelized Correlation Filters

編譯環境：VS2015 + win7 64位

相關軟體下載安裝

需要下載opencv3.10，opencv_contrib和cmake-gui。

圖：opencv下載說明

圖：opencv_contrib下載說明

圖：cmake下載說明

cmake下載的是免安裝版本，解壓縮之後開啟cmake-gui就能直接執行。

將下載的3個檔案安裝/解壓縮。

一．編譯

開啟bin目錄下的cmake-gui.exe。

編譯分為在x86和x64下2中編譯方式，預設是使用x86編譯。

1.      source code路徑選擇opencv3.1下的sources資料夾，build路徑可以自己新建一個資料夾進行存放，如下圖：

2.      開啟Tool---Configure，如果想生成x86下的庫，則選擇Visual Studio 14 2015；如果想生成x64下的庫，則選擇Visual Studio 14 2015 Win64。然後點選Finish。如下圖：

等待一段時間，軟體會自動配置。

 

3.      配置完成後，找到OPENCV_EXTRA_MODULES_PATH，將opencv_contrib的目錄放進去。如下圖，我的opencv_contrib路徑為D:/opencv/opencv_contrib-master/modules

4.      點選Generate，等待配置完成。

Visual Studio 2015編譯

1.      找到之前新建的newBuild目錄，開啟新生成的OpenCV.sln。

2.      在解決方案資源管理器中，選中“解決方案‘OpenCV’”，右鍵-->重新生成解決方案。

3.      依舊是資源管理器中，找到CMakeTargets中的INSTALL，右鍵-->僅用於專案-->僅生成INSTALL。注：想要Debug版（格式為opencv_xxxx310d.lib）的和Release版（格式為opencv_xxxx310.lib）的lib的話，分別選擇Debug和Release以後，生成兩遍就可以了。完成後，D:/OpenCV3.1/sources/newBulid/install下會有很多東西。

配置VS2015

1.      新建win32控制檯專案。

2.      新建cpp原始檔。

3.      配置包含目錄

我的是D:\opencv\opencv310\sources\newBulid\install\include

D:\opencv\opencv310\sources\newBulid\install\include\opencv

D:\opencv\opencv310\sources\newBulid\install\include\opencv2

如下圖：

4.      配置庫目錄

我的是D:\opencv\opencv310\sources\newBulid\install\x86\vc14\lib

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\staticlib

如下圖：

5.      配置依賴項。

由於生成的依賴項太多，要是把每個lib一個一個寫上去，很麻煩，有一種簡便的方法，即，路徑+*.lib，比如我的即為：

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\lib\*.lib

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\staticlib\*.lib

如下圖

6.      以上是win32（x86）Debug配置方法，其他模式（x64、Release）配置方法類似。

測試KCF跟蹤演算法

在上面的工程中新增cpp原始檔，並輸入如下程式碼：

#include <opencv2/core/utility.hpp>
#include <opencv2/tracking.hpp>
#include <opencv2/videoio.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <cstring>

using namespace std;
using namespace cv;

int main() {
	// declares all required variables
	//! [vars]
	Rect2d roi;
	Mat frame;
	//! [vars]

	// create a tracker object
	Ptr<Tracker> tracker = Tracker::create("KCF");
	//! [create]

	// set input video
	//! [setvideo]
	std::string video = "E:\\demo1.avi";
	VideoCapture cap(video);
	//! [setvideo]

	// get bounding box
	//! [getframe]
	cap >> frame;
	//! [getframe]
	//! [selectroi]選擇目標roi以GUI的形式
	roi = selectROI("tracker", frame);
	//! [selectroi]

	//quit if ROI was not selected
	if (roi.width == 0 || roi.height == 0)
		return 0;

	// initialize the tracker
	//! [init]
	tracker->init(frame, roi);
	//! [init]

	// perform the tracking process
	printf("Start the tracking process\n");
	for (;; ) {
		// get frame from the video
		cap >> frame;

		// stop the program if no more images
		if (frame.rows == 0 || frame.cols == 0)
			break;

		// update the tracking result
		//! [update]
		tracker->update(frame, roi);
		//! [update]

		//! [visualization]
		// draw the tracked object
		rectangle(frame, roi, Scalar(255, 0, 0), 2, 1);

		// show image with the tracked object
		imshow("tracker", frame);
		//! [visualization]
		//quit on ESC button
		if (waitKey(1) == 27)
			break;
	}

	return 0;
}

注意：修改std::string video ="E:\\demo1.avi";這條語句中的視訊路徑即可。

    執行之後，首先框出物體，然後按下空格或者回車，系統便開始跟蹤

最後效果如下圖：

注：編譯opencv比較麻煩，建議使用這個版本的KCF：https://github.com/hjl240/KCF-Tracking