[目标跟踪]-质心追踪算法(centroid tracking)原理简介及python+opencv实现

1.目标跟踪

对于一个视频流或者是实时检测的摄像输入,我们可以把整个过程看作N帧图像的合集,那么如果在其中的某一帧出现了我们感兴趣的目标,需要在后续目标继续关注,就要用到目标跟踪.
即我们只在目标的初始帧进行检测+识别,而在后续帧不进行识别,仅仅利用跟踪算法始终关注,进行检测,这样做可以,某些情况下降低计算量,提升视频的流畅度,即FPS提升.

2.核心思想

1. 对于整个视频流，通过检测算法对预设的感兴趣的全部目标的第一次出现得到其位置坐标；
2. 为这些第一次出现的ROI 创建 ID；
3. 在视频流中的后续帧，寻找帧之间目标对象的关系，将帧之间的目标关联起来；

3.算法需求

1. 对整个视频流只对感兴趣目标出现的第一帧进行检测识别
2. 目标消失,超出边界情况可以正确处理
3. 受限于检测算法,能够接受整个视频流中某几帧之间对象目标消失,然后再次出现的情况
4. 能够优化现有检测方式的速度,提升FPS

4.质心追踪算法

4.1为什么需要

假设在一个视频流中,始终只有一个目标,默认情况如下:

• 情况1,该目标整个视频流中都出现,且未出现目标消失或超出边界情况
• 情况2,整个视频流中同一时刻只有一个目标或没有目标

以上是说明我们只需要在整个视频流中跟踪一个目标,它第一次出现在N帧,我们对第N帧做检测+识别,后续的N+1帧都做跟踪,直至目标离开.
当新目标出现时,同理只在他出现的那一帧做检测+识别,后续都只做检测+跟踪,即保证统一时刻整个视频流中只有一个目标或者没有目标.