Python图像处理与机器视觉入门 课件 第23章 视频处理_第1页
Python图像处理与机器视觉入门 课件 第23章 视频处理_第2页
Python图像处理与机器视觉入门 课件 第23章 视频处理_第3页
Python图像处理与机器视觉入门 课件 第23章 视频处理_第4页
Python图像处理与机器视觉入门 课件 第23章 视频处理_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

图像处理应用技术李钦深圳信息职业技术学院软件学院科技楼1703D室1295254769@视频处理我们迄今为止学习到的任务都是基于数字图像完成的。而在现实生活中，视觉数据不单单是以图像的形式出现，同样还有大量的视频数据例如影视，摄像数据。尽管视频数据是由图像数据以及一些可能的音频和字幕组合起来的，但是在计算机视觉中，我们重点关注图像这部分内容。这意味着在很多情况下我们需要将视频视为一些数字图像组合的载体来处理，在运用之前学到的图像处理方法的基础上，继续学习与视频相关的知识。目标跟踪视频处理中的一个基础任务就是追踪目标物体，对标定的物体进行连续的跟踪。尽管现在有很多复杂的神经网络来完成目标检测以及追踪，但是传统的追踪方法只用到了一些简单的直方图分布特征就可以完成类似任务的雏形，本节我们将通过一个简单的汽车跟踪的例子了解如何使用均值漂移来简单地进行视频追踪。目标跟踪步骤1读取视频 首先我们读取视频并查看视频的一些基本信息。目标跟踪步骤2标定目标 我们先读取第一帧，查看我们需要的目标汽车大概的位置，并记录。为了确保目标不要包含过多的背景，我们在这里将目标范围相对缩小一点。目标跟踪步骤3计算特征直方图 针对我们记录的目标区域，我们需要用之前学习到的方法calcHist计算特征直方图，并展示出来。目标跟踪步骤4反向投影 为了完成追踪的任务，我们需要找到目标特征匹配的区域，这里我们将用到反向投影技术，即根据目标的色相直方图特征，对下一帧的色相进行反向匹配，匹配度越高的区域亮度越大，可以看到中心的汽车区域亮度较高。使用OpenCV中的calcBackProject函数，输入hsv模型，色相对应的通道序数0，目标区域直方图，取值范围。可以得到反向投影的灰度图像。目标跟踪步骤5目标追踪 输入视频，目标特征，以及初始特征框，基于初始的目标区域框以及反向投影图，使用meanShift,指定一些停止条件来完成均值漂移的任务，并生成下一帧的目标框，循环对视频进行追踪。练习1实现目标跟踪。作答正常使用主观题需2.0以上版本雨课堂主观题10分视频分割我们前面介绍过图像的分割。视频也有分割的需求。视频分割可以转化为一张张图像的分割，也可以根据视频本身的特性，通过分析前景与背景的更新来把前景和背景分割开来。本节将介绍一种基于K近邻的背景去除方法，来实现视频的分割。视频分割基于K近邻的背景去除任务实现步骤如下。（1）读取视频。首先我们读取视频并查看视频的一些基本信息。（2）读取视频当前帧。（3）使用opencv中的createBackgroundSubtractorKNN()函数实现背景去除。（4）使用形态学去噪。（5）循环迭代

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论