Python 感兴趣区域-基于稀疏光流的目标检测

我正在python中使用。使用YOLOv3，我提取了所需对象的边界框

现在我想给SOF算法提供这些边界，以便只跟踪我想要跟踪的内容

我发现有一个“”函数可以为跟踪找到角点。此函数需要一个“mask”参数，其中表示：“mask–可选感兴趣区域。如果图像不是空的（它需要具有CV_8UC1类型和与图像相同的大小），则指定检测角点的区域。”

这个“面具”就是我要找的

我的问题是：创建遮罩的参数是什么？我的意思是，它需要宽度，高度，x，y或者别的什么？有人能帮忙吗

YOLOv3探测器给出的边界框参数为：浮动x、y、宽度、高度。其中x和y从左上角开始

编辑： 这就是我一直试图做的

# Initialize the mask with all black pixels
mask = np.zeros_like(first_frame)
# Get the coordinates and dimensions of the detect_box
x = 82
y = 69
w = 35
h = 55
# Set the selected rectangle within the mask to white
mask[y:y+h, x:x+w] = 255
prev = cv.goodFeaturesToTrack(prev_gray, mask = mask, **feature_params)

但我得到了这个错误…：

PS C:\Users\YodhResearch\Desktop\GIULIO FERRARI FOLDER\Giulio _ CSV\Py Script\sparse python> python .\sparseopt.py 
Traceback (most recent call last):
  File ".\sparseopt.py", line 32, in <module>
    prev = cv.goodFeaturesToTrack(prev_gray, mask = mask, **feature_params)
cv2.error: OpenCV(4.2.0) C:\projects\opencv-python\opencv\modules\imgproc\src\featureselect.cpp:365: error: (-215:Assertion failed) _mask.empty() || (_mask.type() == CV_8UC1 && _mask.sameSize(_image)) in 
function 'cv::goodFeaturesToTrack'

---

np.zeros_like

将创建一个带零的浮点矩阵。从错误消息中可以看出，掩码应为CV_8UC1类型（单通道无符号8位类型）。您可以使用

.astype（）

转换任何numpy矩阵类型。在调用goodFeaturesToTrack之前，您需要在此处添加行-mask=mask.astype（np.uint8）。您可以添加输入图像吗？mask是一个与输入图像大小相同的图像，在您不想处理的地方为0，在您想处理的地方为非零。所以，把你检测到的用白色填充的盒子画成一张黑色的图片，然后高兴起来。谢谢你的提示，谢谢你米卡的解释。我已经找到了路，我将插入问题。再次感谢，祝你有一个愉快的一天。

PS C:\Users\YodhResearch\Desktop\GIULIO FERRARI FOLDER\Giulio _ CSV\Py Script\sparse python> python .\sparseopt.py 
Traceback (most recent call last):
  File ".\sparseopt.py", line 32, in <module>
    prev = cv.goodFeaturesToTrack(prev_gray, mask = mask, **feature_params)
cv2.error: OpenCV(4.2.0) C:\projects\opencv-python\opencv\modules\imgproc\src\featureselect.cpp:365: error: (-215:Assertion failed) _mask.empty() || (_mask.type() == CV_8UC1 && _mask.sameSize(_image)) in 
function 'cv::goodFeaturesToTrack'

width  = cap.get(cv.CAP_PROP_FRAME_WIDTH)   # float
height = cap.get(cv.CAP_PROP_FRAME_HEIGHT)  # float
print("w = %f" % width)
print("h = %f" % height)
# Initialize the mask with all black pixels
mask = [[0]*int(width)]*int(height)
mask = np.asarray(mask)
mask = mask.astype(np.uint8) 

print( np.shape(mask) )
# Get the coordinates and dimensions of the detect_box
x = 82
y = 69
w = 35
h = 55
# Set the selected rectangle within the mask to white
mask[y:y+h, x:x+w] = 255

prev = cv.goodFeaturesToTrack(prev_gray, mask = mask, **feature_params)
# Creates an image filled with zero intensities with the same dimensions as the frame - for later drawing purposes
mask = np.zeros_like(first_frame)