C++ 在计算了一帧上的SIFT或ORB后，如何实时跟踪视频中的对象？

基本上，我想检测一个对象，然后在视频中跟踪它（逐帧）

我可以在第一帧检测到它，例如ORB或SIFT。但是对于下一帧（或者说下一个XX帧），我希望避免再次计算所有关键点（ORB或SIFT）以再次检测它

---

考虑到我想在视频中实时跟踪它，我能做些什么？

检测和跟踪视频中的对象是一个非常大的主题，具体方法高度取决于您的应用程序。没有神奇的子弹！

---

如果您达到了检测部分，您可以尝试通过meanshift on color（可能是HSV颜色空间）进行跟踪，如果您需要跟踪的对象是有色的，或尝试模板匹配，或。。你需要更具体地说明你的需求

一个常见的选项是使用patchtracker。这意味着您只需在前一帧关键点周围8像素的区域中搜索关键点。您可以对关键点周围的区域执行

cv:：matchTemplate（）

，而不是使用SIFT

执行金字塔搜索有助于提高帧速率。首先以较低的比例搜索，如果找不到关键点，则将比例加倍

---

如果patchtracker失败，因为图像移动太快，您只需再次应用SIFT来重新初始化系统。我会用FAST而不是SIFT。您可以对标记使用SIFT，然后使用FAST实时检测关键点，生成SIFT描述符。

您可以使用OpticalFlow进行简单跟踪，以下是执行此操作的步骤

使用harris角点检测器或SIFT特征检测器查找运动对象的角点

将这些角点和上一张图像（在其中找到要跟踪的对象的角点）以及下一张图像赋予opticalflow函数，它将在下一张图像中计算同一对象的角点

以下是链接：

---

注意：如果要解决遮挡处理、多人跟踪等问题，光靠OpticalFlow无法解决问题。为此，需要使用卡尔曼滤波器或粒子滤波器…

您可以使用TLD或CLM实现几乎完美的实时跟踪。一旦检测到感兴趣的对象，使用该边界框启动捕食者跟踪。 你可以在这里找到关于CMT的信息

这里是TLD

---

但是，由于您将对单应性进行估计，您可以投影面片，以便它们将被旋转和缩放。您将获得一个近似位置。另一种选择是使用卡尔曼滤波器，因此您将有一个预测单应性，但这不是必需的。前面的单应性将给出搜索路径的大致位置。@Jav_Rock+1，我使用SURF和SVM从实时视频中预测对象它在预测中效果很好，但当我预测一个移动对象时，它会检查并保存包含一个特定移动对象（如车辆）的每一帧。它需要大量内存，所以卡尔曼滤波器也可以用于它？因此，我只能保存一个特定对象的一帧，如果它在接下来的70个连续帧中保留。我希望，如果两个不同的车辆进入，并且它们在摄像机的眼睛中保留100个连续帧，那么我的系统只保存其中的两帧，谢谢我的想法相同，我有相同的问题，但是我在视频中使用SURF+SVM，但是我得到了同一对象的多帧，那么你最终使用哪种技术呢？你能分享吗