追踪算法KCF体验

本文使用KCF的opencv版本实现。

对应论文：High-Speed Tracking with Kernelized Correlation Filters

编译环境：VS2015 + win7 64位

相关软件下载安装

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



图：opencv下载说明



图：opencv_contrib下载说明



图：cmake下载说明

cmake下载的是免安装版本，解压缩之后打开cmake-gui就能直接运行。

将下载的3个文件安装/解压缩。

一．编译

打开bin目录下的cmake-gui.exe。

编译分为在x86和x64下2中编译方式，默认是使用x86编译。

1.      source code路径选择opencv3.1下的sources文件夹，build路径可以自己新建一个文件夹进行存放，如下图：



2.      打开Tool---Configure，如果想生成x86下的库，则选择Visual Studio 14 2015；如果想生成x64下的库，则选择Visual Studio 14 2015 Win64。然后点击Finish。如下图：



等待一段时间，软件会自动配置。

 

3.      配置完成后，找到OPENCV_EXTRA_MODULES_PATH，将opencv_contrib的目录放进去。如下图，我的opencv_contrib路径为D:/opencv/opencv_contrib-master/modules



4.      点击Generate，等待配置完成。

Visual Studio 2015编译

1.      找到之前新建的newBuild目录，打开新生成的OpenCV.sln。

2.      在解决方案资源管理器中，选中“解决方案‘OpenCV’”，右键-->重新生成解决方案。

3.      依旧是资源管理器中，找到CMakeTargets中的INSTALL，右键-->仅用于项目-->仅生成INSTALL。注：想要Debug版（格式为opencv_xxxx310d.lib）的和Release版（格式为opencv_xxxx310.lib）的lib的话，分别选择Debug和Release以后，生成两遍就可以了。完成后，D:/OpenCV3.1/sources/newBulid/install下会有很多东西。

配置VS2015

1.      新建win32控制台项目。





2.      新建cpp源文件。

3.      配置包含目录

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

如下图：



4.      配置库目录

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

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

如下图：



5.      配置依赖项。

由于生成的依赖项太多，要是把每个lib一个一个写上去，很麻烦，有一种简便的方法，即，路径+*.lib，比如我的即为：

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

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

如下图



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

测试KCF跟踪算法

在上面的工程中添加cpp源文件，并输入如下代码：

#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]选择目标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";这条语句中的视频路径即可。
    运行之后，首先框出物体，然后按下空格或者回车，系统便开始跟踪
最后效果如下图：







注：编译opencv比较麻烦，建议使用这个版本的KCF：https://github.com/hjl240/KCF-Tracking