网页采集器的自动识别算法(1.人脸追踪技术之基于边界框跟踪的方法介绍-上海怡健医学)

　　网页采集器的自动识别算法(1.人脸追踪技术之基于边界框跟踪的方法介绍-上海怡健医学)

　　1. 人脸追踪技术介绍

　　基于判别相关滤波器（DCF）的视觉跟踪器具有优异的性能和较高的计算效率，可用于实时应用。DCF 跟踪器是一种非常流行的基于边界框跟踪的方法。在 dlib 库中实现了一个基于 DCF 的跟踪器，可以很容易地用于对象跟踪。在本文中，我们将描述如何使用这个跟踪器进行人脸和用户选择的对象跟踪，也称为判别尺度空间跟踪器（DSST），跟踪器只需要输入原创视频和初始位置的边界框目标，然后跟踪器自动预测目标的轨迹。

　　2. 使用基于 dlib DCF 的跟踪器进行人脸跟踪

　　在做人脸跟踪的时候，我们首先使用dlib人脸检测器进行初始化，然后使用基于dlib DCF的跟踪器DSST进行人脸跟踪。调用以下函数来初始化关联的跟踪器：

　　tracker = dlib.correlation_tracker()

复制代码

　　这将使用默认值（filter_size = 6, num_scale_levels = 5, scale_window_size = 23, regularizer_space = 0.001, nu_space = 0.025, regularizer_scale = 0.001, nu_scale = 0.025, scale_pyramid_alpha = 1.020) 初始化跟踪器，filter_size和num_scale_levels的值越大，跟踪精度越高，但也需要更多的计算能力；推荐值filter_size的为5、6和7；num_scale_levels的推荐值为4、5和6。可以使用tracker.start_track()启动跟踪，在开始跟踪之前，我们需要进行人脸检测并将检测到的人脸位置传递给这个方法：

　　if tracking_face is False:

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 尝试检测人脸以初始化跟踪器

rects = detector(gray, 0)

# 检查是否检测到人脸

if len(rects) > 0:

# 开始追踪

tracker.start_track(frame, rects[0])

tracking_face = True

复制代码

　　当检测到人脸时，人脸跟踪器将开始跟踪边界框内的内容。为了更新被跟踪对象的位置，需要调用 tracker.update() 方法：

　　tracker.update(frame)

复制代码

　　tracker.update() 方法更新跟踪器并返回衡量跟踪器置信度的指标，可用于通过人脸检测重新初始化跟踪器。要获取被跟踪对象的位置，请调用 tracker.get_position() 方法：

　　pos = tracker.get_position()

复制代码

　　tracker.get_position() 方法返回被跟踪对象的位置。最后，绘制人脸的预测位置：

　　cv2.rectangle(frame, (int(pos.left()), int(pos.top())), (int(pos.right()), int(pos.bottom())), (0, 255, 0), 3)

复制代码

　　下图是人脸跟踪算法的跟踪效果过程：

　　在上图中，您可以看到算法当前正在跟踪检测到的人脸，您也可以按数字 1 重新初始化跟踪。

　　3. 使用基于 dlib DCF 的跟踪器进行对象跟踪

　　基于 dlib DCF 的跟踪器可用于跟踪面部以外的任意对象。接下来，我们使用鼠标选择要跟踪的对象，并*敏*感*词*键盘事件，如果我们按下 1，我们将开始跟踪预定义的边界框内的对象；如果我们按下 2，预定义的边界框将被清除，跟踪算法将停止，并等待用户选择另一个边界框。比如我们对检测Miss和Sister不感兴趣，但更喜欢猫，那么我们可以先用鼠标画一个矩形选择猫，然后按1开始跟踪优采云，如果我们要跟踪其他物体，我们可以按 2 重绘矩形和轨迹。

　　 # 设置并绘制一个矩形，跟踪矩形框内的对象

if len(points) == 2:

cv2.rectangle(frame, points[0], points[1], (0, 0, 255), 3)

dlib_rectangle = dlib.rectangle(points[0][0], points[0][1], points[1][0], points[1][1])

if tracking_face is True:

# 更新跟踪器并打印测量跟踪器的置信度

print(tracker.update(frame))

# 获取被跟踪对象的位置

pos = tracker.get_position()

# 绘制被跟踪对象的位置

cv2.rectangle(frame, (int(pos.left()), int(pos.top())), (int(pos.right()), int(pos.bottom())), (0, 255, 0), 3)

复制代码

　　如下图，我们可以看到算法跟踪物体并实时输出：

　　概括

　　dlib库实现了一个基于DCF的跟踪器，非常适合人脸跟踪。使用 dlib.correlation_tracker() 函数初始化跟踪器，使用 tracker.start_track() 函数开始跟踪对象，使用 tracker.update() 函数更新跟踪器跟踪器并返回跟踪器置信度。要获取被跟踪对象的位置，需要使用 tracker.get_position() 函数。