OpenCV中Camshitf算法学习（补充）

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。

 Mat hsv,mask,hue,hist;
 cvtColor( cut_image, hsv, CV_BGR2HSV );//cut_image为提前截取的目标图片
 inRange( hsv, Scalar( MIN( _hmin, _hmax ), MIN( _smin, _smax ), MIN( _vmin, _vmax ) ),Scalar( MAX( _hmin, _hmax ), MAX( _smin, _smax ), MAX( _vmin, _vmax ) ),mask );
 
 int ch[] = {, };
 hue.create(hsv.size(), hsv.depth());
 mixChannels(&hsv, , &hue, , ch, );
 calcHist( &hue,,,mask,hist,,&hsize,&phranges);
 normalize(hist, hist, , , 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

 cvtColor( sceneImg,hsv,CV_BGR2HSV);
 inRange( hsv, Scalar( MIN( _hmin, _hmax ), MIN( _smin, _smax ), MIN( _vmin, _vmax ) ),Scalar( MAX( _hmin, _hmax ), MAX( _smin, _smax ), MAX( _vmin, _vmax ) ),mask );
 
 Mat backproj;
 hue.create(hsv.size(), hsv.depth());
 mixChannels(&hsv, , &hue, , ch, );
 calcBackProject( &hue, , , hist, backproj, &phranges );
 backproj &= mask;
 trackWindow = Rect( , , ,  );
 trackBox =  CamShift(backproj, trackWindow,
 TermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, ,  ));

• 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