今天就來看一下人臉辨識 + 物件追蹤可以迸出什麼樣的火花吧！

本文開始

1. 在applications目錄下新增face_tracking目錄與main.py檔案
2. 開啟main.py：

   import ntpath
   import sys
   
   # resolve module import error in PyCharm
   sys.path.append(ntpath.dirname(ntpath.dirname(ntpath.dirname(ntpath.abspath(__file__)))))
   
   import argparse
   import time
   
   import cv2
   from imutils.video import WebcamVideoStream, FPS
   
   from face_detection.dlib_mmod import detect
   
   # 初始化OpenCV提供的追蹤方法列表
   OPENCV_OBJECT_TRACKERS = {
       # 更準確但比kcf慢
       "csrt": cv2.TrackerCSRT_create,
       # 速度與準確兼備
       "kcf": cv2.TrackerKCF_create,
       "boosting": cv2.TrackerBoosting_create,
       "mil": cv2.TrackerMIL_create,
       "tld": cv2.TrackerTLD_create,
       "medianflow": cv2.TrackerMedianFlow_create,
       # 更快但比kcf不準
       "mosse": cv2.TrackerMOSSE_create
   }
   
   
   def main():
       ap = argparse.ArgumentParser()
       ap.add_argument("-t", "--tracker", type=str,
                       default="kcf",
                       choices=["csrt", "kcf", "boosting", "mil", "tld", "medianflow", "mosse"],
                       help="the object tracker type")
       args = vars(ap.parse_args())
   
       # 初始化object tracker
       trackers = cv2.MultiTracker_create()
   
       # 啟動WebCam
       vs = WebcamVideoStream().start()
       time.sleep(2.0)
       fps = FPS().start()
   
       initFace = False
   
       while True:
           # 取得當前的frame
           frame = vs.read()
   
           # 使用dlib: MMOD來偵測人臉並追蹤
           if not initFace:
               rects = detect(frame)
               for rect in rects:
                   print(rect)
                   tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]()
                   trackers.add(tracker, frame, rect)
               initFace = True
   
           # 物件追蹤更新
           (_, boxes) = trackers.update(frame)
   
           # 偵測物件位置與畫圖
           if len(boxes) > 0:
               for box in boxes:
                   (x, y, w, h) = [int(b) for b in box]
                   cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
               fps.update()
               fps.stop()
               cv2.putText(frame, "FPS: {:.2f}".format(fps.fps()), (10, frame.shape[0] - 20), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)
   
           cv2.imshow("frame", frame)
   
           key = cv2.waitKey(1) & 0xff
   
           # 你也可以用判斷是否需要圈選物件 (按下c按鍵)
           if key == ord('c'):
               # 圈選矩形框 (需按下空白鍵或Enter確認)
               box = cv2.selectROI("frame", frame, fromCenter=False, showCrosshair=True)
               print(box)
               tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]()
               trackers.add(tracker, frame, box)
               fps = FPS().start()
           # 按下q鍵就離開程式
           elif key == ord('q'):
               break
   
       vs.stop()
       fps.stop()
       cv2.destroyAllWindows()
   
   
   if __name__ == '__main__':
       main()
   
   

3. 開啟terminal，切換到face_tracking目錄下與輸入python main.py：

程式碼部分應該很好理解，

我們把前面的人臉追蹤功能，

與cv2.tracker相關的邏輯合併在一起就完成今天的應用了。

你也可以透過按下c按鍵拉矩形範圍與space空白鍵確認，來新增一個tracker追蹤物件

.

.

電腦視覺的世界還有很多問題需要克服，

但到目前也已經有很多的進展，

可以讓我們盡情地去發想各式各樣的應用。

期待你經過這個系列能對這個領域有些些的理解與幫助，

也期待在未來能看到你做出專屬於自己的應用。

系列的原始碼參考