Lesson_28_Camshift

  |   Source

تحليل الفيديو:

Meanshift و Camshift:

رأينا فيما سبق التعرف القائم على الالوان , والان سنوضح خوارزمية أكثر تقدماً , Meanshift ونسختها المطورة Camshift.

Meanshift

الفكرة خلف ال **Meanshift ** بسيطة , افرض لدينا مجموعة نقاط مبعثرة بمستوي ونافذة على شكل دائرة قابلة للتحريك عيره , وتتلخص مسألتنا بتحريك هذه النافذة للحصول على أكبر كثافة (أكبر عدد ) للنقاط كما الصورة التالية :

In [1]:
from IPython.display import Image

Image('images/figure_5.jpg')
Out[1]:

للقيام بذلك علينا ايجاد مركز النقاط داخل الدائرة ( بحساب المتوسط) ثم نقل مركز الدائر ة ليتطابق معه وانشاء مكان جديد للدائرة , ومن ثم تتكرر العملية للدائرة الجديدة ونوجد المركز الجديد . وهكذا حتى لا يسفر التكرار عن تغيير كبير في مكان مركز الدائرة وعندها نتوقف.

وبذلك نحصل على النافذة ذات توزع البكسلات الاعظمي .

اذا سنقوم بتمرير هستوغرام مسقط خلفياً للصورة وموضع الهدف الاولي . وعندها نحرك الهدف , فيتغير الهستوغرام , وعندها نستخدم خوارزمية ال Meanshift لتحديد مكان النافذة الجديدة ذو الكثافة العليا .

Meanshift في OpenCV:

لتشغيل خوارزمية Meanshift علينا أولاً تحديد الهدف وايجاد هستوغراماته , بحيث يمكننا اسقاطه عكسياً على كل اطار لحساب ال meanshift .

ونحتاج أيضاً لاعطاء الموضع الاولي للنافذة . وبالنسبة للهستوغرام , سنأخذ فقط السطوع بالفضاء hsv . وايضاً لتجنب الاخطاء سنبعد الضوء الخافت من الصورة عبر التابع

() cv2.inRange كالتالي:

In [1]:
import cv2
import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline
In [3]:
cap = cv2.VideoCapture('videos/meanshift0.flv')

# take first frame of the video
ret,frame = cap.read()

# setup initial location of window
r,h,c,w = 480,150,100,70 # simply hardcoded the values
track_window = (c,r,w,h)

# set up the ROI for tracking
roi = frame[r:r+h, c:c+w]
hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.)))
roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180])
cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX)

# Setup the termination criteria, either 10 iteration or move by atleast 1 pt
term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1 )
In [ ]:
while(1):
    ret ,frame = cap.read()
    
    if ret == True:
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1)
        
        # apply meanshift to get the new location
        ret, track_window = cv2.meanShift(dst, track_window, term_crit)
        
        # Draw it on image
        x,y,w,h = track_window
        img2 = cv2.rectangle(frame, (x,y), (x+w,y+h), 255,2)
        
        cv2.imshow('img2',img2)
        
        k = cv2.waitKey(60) & 0xff
        if k == 27:
            break
        else:
            cv2.imwrite(chr(k)+".jpg",img2)
            
    else:
        break
        
cv2.destroyAllWindows()
cap.release()

الفيديو في نهاية الصفحة سيوضح عمل هذا البرنامج بالشرح ..

Camshift

هل لا حظت نتيجة التنفيذ الاخيرة لل Meanshift هناك مشكلة , حجم النافذة المحددة للجسم يبقى ثابتاً لا يتغير , سواء اقترب الجسم ام ابتعد , ولذلك علينا جعل حجم النافذة يتغير تلقائياً حسب وضعية الجسم وتوجهه , وبذلك نجد الحل بالخوارزمية المدعوة Camshift . (meanshift المكيفة باستمرار ) والتي نشرت بورقة عام 1988 ل Gary Bradsky

وفيها تم تطبيق meanshift أولاً وبعد اتمامها نعدل قياس النافذة بعامل $$ s = 2 . \sqrt{\frac{M_{00}}{256}}$$

وكذلك نحسب الدوران لانسب قطع ناقص محيط بها , ومجدداً نطبق meanshift مع القياس والموضع الجديدين للنافذة . وتستمر العملية حتى تحقيق دقة محددة .

Camshift & OpenCV:

هذا مشابه تقريباً لتطبيق ال meanshift إلا أنه يعطي المستطيل مدوراً مع البارامترات له , ولكن يجب تحديد الموضع البدائي للجسم :

In [ ]:
cap = cv2.VideoCapture('videos/meanshift0.flv')

# take first frame of the video
ret,frame = cap.read()

# setup initial location of window
r,h,c,w = 480,150,100,70 # simply hardcoded the values
track_window = (c,r,w,h)

# set up the ROI for tracking
roi = frame[r:r+h, c:c+w]
hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.)))
roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180])
cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX)

# Setup the termination criteria, either 10 iteration or move by atleast 1 pt
term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1 )
In [ ]:
while(1):
    ret ,frame = cap.read()
    
    if ret == True:
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1)
        
        # apply meanshift to get the new location
        ret, track_window = cv2.CamShift(dst, track_window, term_crit)
        
        # Draw it on image
        pts = cv2.boxPoints((track_window[:2],track_window[2:],ret))
        pts = np.int0(pts)
        img2 = cv2.polylines(frame,[pts],True, 255,2)
        
        cv2.imshow('img2',img2)
        
        k = cv2.waitKey(60) & 0xff
        if k == 27:
            break
        else:
            cv2.imwrite(chr(k)+".jpg",img2)
            
    else:
        break
        
cv2.destroyAllWindows()
cap.release()

النتائج بالفيديو بالنهاية

مراجع اضافية :

  1. French Wikipedia page on Camshift. (The two animations are taken from here)

  2. Bradski, G.R., “Real time face and object tracking as a component of a perceptual user interface,” Applications of Computer Vision, 1998. WACV ‘98. Proceedings., Fourth IEEE Workshop on , vol., no., pp.214,219, 19-21 Oct 1998

تمارين :

  • OpenCV يأتي معه امثلة تفاعلية في python لل camshift , استخدمها , شغلها , وتفحصها..

الحل :

بالفيديو أدناه.

In [2]:
from IPython.display import YouTubeVideo

YouTubeVideo('X2syyyjyi1A')
Out[2]:
Comments powered by Disqus