GOTURN——基於深度學習的物體追蹤 （OpenCV contrib）

見慣了KCF、DCF、MEDIANFLOW這些常規追蹤器，來看看基於神經網絡的GOTURN吧。

首先，這個Tracker並不算慢，利用GPU能跑到100fps

論文原文： Learning to Track at 100 FPS with Deep Regression Networks

撇開原理，從工程的角度來看，算法輸入前後兩幀被裁剪過的圖像，送入卷積神經網絡（CNN），繼而回歸出物體的boudingbox,輸出結果。

算法結構：

如下圖所示，首先獲取到上一幀的結果（第二行圖），以中心爲原點擴大一圈得到Rect，利用這個Rect裁剪當前幀，分別送入兩個五層的卷積網絡，再經過三個全連層迴歸出最終的結果。好了不扯原理了，來看看如何用OpenCV把這個Tracker跑起來。

 

====================利用OpenCV運行GOTURN==================

1.下載模型

首先，當然是要下載別人訓練好的模型文件咯

下載地址：地址

如果上面的地址下載速度太慢，可以用這個  地址  或者Github地址（需要自己拼一下）

2.配置OpenCV_contrib環境

保證OpenCV版本在3.4.1以上，編譯最新的contrib模型

可以參考我之前的博客： 地址

3.簡單粗暴的代碼

記得把視頻的路徑換成自己的，一開始需要自己框選一下目標所在的位置。

/*
Copyright 2018 Satya Mallick (LearnOpenCV.com)
*/

#include <opencv2/opencv.hpp>
#include <opencv2/tracking.hpp>

using namespace cv;
using namespace std;

#define SSTR( x ) static_cast< std::ostringstream & >( \
( std::ostringstream() << std::dec << x ) ).str()

int main(int argc, char **argv)
{
	// Create tracker
	Ptr<Tracker> tracker = TrackerGOTURN::create();

	// Read video
	VideoCapture video("vtest.avi");

	// Exit if video is not opened
	if (!video.isOpened())
	{
		cout << "Could not read video file" << endl;
		return EXIT_FAILURE;
	}

	// Read first frame
	Mat frame;
	if (!video.read(frame))
	{
		cout << "Cannot read video file" << endl;
		return EXIT_FAILURE;
	}

	// Define initial boundibg box
	Rect2d bbox = selectROI(frame, false);// (287, 23, 86, 320);

	// Uncomment the line below to select a different bounding box
	//bbox = selectROI(frame, false);

	// Initialize tracker with first frame and bounding box
	tracker->init(frame, bbox);

	while (video.read(frame))
	{
		// Start timer
		double timer = (double)getTickCount();

		// Update the tracking result
		bool ok = tracker->update(frame, bbox);

		// Calculate Frames per second (FPS)
		float fps = getTickFrequency() / ((double)getTickCount() - timer);

		if (ok)
		{
			// Tracking success : Draw the tracked object
			rectangle(frame, bbox, Scalar(255, 0, 0), 2, 1);
		}
		else
		{
			// Tracking failure detected.
			putText(frame, "Tracking failure detected", Point(100, 80), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2);
		}

		// Display tracker type on frame
		putText(frame, "GOTURN Tracker", Point(100, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(50, 170, 50), 2);

		// Display FPS on frame
		putText(frame, "FPS : " + SSTR(int(fps)), Point(100, 50), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(50, 170, 50), 2);

		// Display frame.
		imshow("Tracking", frame);

		// Exit if ESC pressed.
		if (waitKey(1) == 27) break;
	}

	return EXIT_SUCCESS;
}

比較好的效果：(大概臉是在訓練樣本里的，所以效果會好一些

圖片轉載自   地址

比較差的效果：（而行人估計是沒有的，所以想效果好還是需要自己訓練一下模型

 

體驗感覺不是很好，用自己的數據訓練下肯定會好很多的。。吧

參考：

1.learnopencv博客  地址

2.Github：  地址