AKAZE 和 ORB 平面跟蹤

目錄

• 簡介
• Data
• 原始碼
• 解釋
  • Tracker 類
• 結果

上一篇教程： AKAZE 區域性特徵匹配
下一篇教程： 用程式碼解釋單應性的基本概念

原始作者	Fedor Morozov
相容性	OpenCV >= 3.0

介紹

在本教程中，我們將比較 AKAZE 和 ORB 區域性特徵，並使用它們來查詢影片幀之間的匹配並跟蹤物件的移動。

演算法如下：

• 在第一幀上檢測和描述關鍵點，手動設定物件邊界
• 對於後續每一幀：
  1. 檢測和描述關鍵點
  2. 使用暴力匹配器進行匹配
  3. 使用 RANSAC 估計單應性變換
  4. 從所有匹配中過濾出內點
  5. 將單應性變換應用於邊界框以找到物件
  6. 繪製邊界框和內點，計算內點比率作為評估指標

資料

為了進行跟蹤，我們需要一段影片和第一幀上的物件位置。

您可以從此處下載我們的示例影片和資料。

要執行程式碼，您必須指定輸入（相機 ID 或影片檔案）。然後，用滑鼠選擇一個邊界框，並按任意鍵開始跟蹤。

./planar_tracking blais.mp4

原始碼

#include <opencv2/features2d.hpp>
#include <opencv2/videoio.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/calib3d.hpp>
#include <opencv2/highgui.hpp> //用於 imshow
#include <vector>
#include <iostream>
#include <iomanip>
 
#include "stats.h" // Stats 結構定義
#include "utils.h" // 繪圖和列印函式
 
using namespace std;
using namespace cv;
 
const double akaze_thresh = 3e-4; // AKAZE 檢測閾值，設定為定位約 1000 個關鍵點
const double ransac_thresh = 2.5f; // RANSAC 內點閾值
const double nn_match_ratio = 0.8f; // 最近鄰匹配比率
const int bb_min_inliers = 100; // 繪製邊界框所需的最小內點數
const int stats_update_period = 10; // 螢幕統計資料每 10 幀更新一次
 
namespace example {
class Tracker
{
public:
    Tracker(Ptr<Feature2D> _detector, Ptr<DescriptorMatcher> _matcher)
detector(_detector),
matcher(_matcher)
    {}
 
    void setFirstFrame(const Mat frame, vector<Point2f> bb, string title, Stats& stats);
    Mat process(const Mat frame, Stats& stats);
    Ptr<Feature2D> getDetector() {
        return detector;
    }
保護:
    Ptr<Feature2D> detector;
    Ptr<DescriptorMatcher> matcher;
    Mat first_frame, first_desc;
vector<KeyPoint> first_kp;
vector<Point2f> object_bb;
};
 
void Tracker::setFirstFrame(const Mat frame, vector<Point2f> bb, string title, Stats& stats)
{
    cv::Point *ptMask = new cv::Point[bb.size()];
    const Point* ptContain = { &ptMask[0] };
    int iSize = static_cast<int>(bb.size());
    for (size_t i=0; i<bb.size(); i++) {
ptMask[i].x = static_cast<int>(bb[i].x);
ptMask[i].y = static_cast<int>(bb[i].y);
    }
first_frame = frame.clone();
    cv::Mat matMask = cv::Mat::zeros(frame.size(), CV_8UC1);
    cv::fillPoly(matMask, &ptContain, &iSize, 1, cv::Scalar::all(255));
detector->detectAndCompute(first_frame, matMask, first_kp, first_desc);
stats.keypoints = (int)first_kp.size();
drawBoundingBox(first_frame, bb);
    putText(first_frame, title, Point(0, 60), FONT_HERSHEY_PLAIN, 5, Scalar::all(0), 4);
object_bb = bb;
    delete[] ptMask;
}
 
Mat Tracker::process(const Mat frame, Stats& stats)
{
    TickMeter tm;
vector<KeyPoint> kp;
    Mat desc;
 
tm.start();
detector->detectAndCompute(frame, noArray(), kp, desc);
stats.keypoints = (int)kp.size();
 
vector< vector<DMatch> > matches;
vector<KeyPoint> matched1, matched2;
matcher->knnMatch(first_desc, desc, matches, 2);
    for(unsigned i = 0; i < matches.size(); i++) {
        if(matches[i][0].distance < nn_match_ratio * matches[i][1].distance) {
matched1.push_back(first_kp[matches[i][0].queryIdx]);
matched2.push_back( kp[matches[i][0].trainIdx]);
        }
    }
stats.matches = (int)matched1.size();
 
    Mat inlier_mask, homography;
vector<KeyPoint> inliers1, inliers2;
vector<DMatch> inlier_matches;
    if(matched1.size() >= 4) {
homography = findHomography(Points(matched1), Points(matched2),
RANSAC, ransac_thresh, inlier_mask);
    }
tm.stop();
stats.fps = 1. / tm.getTimeSec();
 
    if(matched1.size() < 4 || homography.empty()) {
        Mat res;
        hconcat(first_frame, frame, res);
stats.inliers = 0;
stats.ratio = 0;
        return res;
    }
    for(unsigned i = 0; i < matched1.size(); i++) {
        if(inlier_mask.at<uchar>(i)) {
            int new_i = static_cast<int>(inliers1.size());
inliers1.push_back(matched1[i]);
inliers2.push_back(matched2[i]);
inlier_matches.push_back(DMatch(new_i, new_i, 0));
        }
    }
stats.inliers = (int)inliers1.size();
stats.ratio = stats.inliers * 1.0 / stats.matches;
 
vector<Point2f> new_bb;
    perspectiveTransform(object_bb, new_bb, homography);
    Mat frame_with_bb = frame.clone();
    if(stats.inliers >= bb_min_inliers) {
drawBoundingBox(frame_with_bb, new_bb);
    }
    Mat res;
    drawMatches(first_frame, inliers1, frame_with_bb, inliers2,
inlier_matches, res,
                Scalar(255, 0, 0), Scalar(255, 0, 0));
    return res;
}
}
 
int main(int argc, char **argv)
{
    CommandLineParser parser(argc, argv, "{@input_path |0|input path can be a camera id, like 0,1,2 or a video filename}");
parser.printMessage();
    string input_path = parser.get<string>(0);
    string video_name = input_path;
 
    VideoCapture video_in;
 
    if ( ( isdigit(input_path[0]) && input_path.size() == 1 ) )
    {
    int camera_no = input_path[0] - '0';
video_in.open( camera_no );
    }
    else {
video_in.open(video_name);
    }
 
    if(!video_in.isOpened()) {
cerr << "Couldn't open " << video_name << endl;
        return 1;
    }
 
Stats stats, akaze_stats, orb_stats;
    Ptr<AKAZE> akaze = AKAZE::create();
akaze->setThreshold(akaze_thresh);
    Ptr<ORB> orb = ORB::create();
    Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("BruteForce-Hamming");
example::Tracker akaze_tracker(akaze, matcher);
example::Tracker orb_tracker(orb, matcher);
 
    Mat frame;
    namedWindow(video_name, WINDOW_NORMAL);
cout << "\nPress any key to stop the video and select a bounding box" << endl;
 
    while ( waitKey(1) < 1 )
    {
video_in >> frame;
        cv::resizeWindow(video_name, frame.size());
        imshow(video_name, frame);
    }
 
vector<Point2f> bb;
    cv::Rect uBox = cv::selectROI(video_name, frame);
bb.push_back(cv::Point2f(static_cast<float>(uBox.x), static_cast<float>(uBox.y)));
bb.push_back(cv::Point2f(static_cast<float>(uBox.x+uBox.width), static_cast<float>(uBox.y)));
bb.push_back(cv::Point2f(static_cast<float>(uBox.x+uBox.width), static_cast<float>(uBox.y+uBox.height)));
bb.push_back(cv::Point2f(static_cast<float>(uBox.x), static_cast<float>(uBox.y+uBox.height)));
 
akaze_tracker.setFirstFrame(frame, bb, "AKAZE", stats);
orb_tracker.setFirstFrame(frame, bb, "ORB", stats);
 
Stats akaze_draw_stats, orb_draw_stats;
    Mat akaze_res, orb_res, res_frame;
    int i = 0;
    for(;;) {
i++;
        bool update_stats = (i % stats_update_period == 0);
video_in >> frame;
        // 如果沒有更多影像，則停止程式
        if(frame.empty()) break;
 
akaze_res = akaze_tracker.process(frame, stats);
akaze_stats += stats;
        if(update_stats) {
akaze_draw_stats = stats;
        }
 
orb->setMaxFeatures(stats.keypoints);
orb_res = orb_tracker.process(frame, stats);
orb_stats += stats;
        if(update_stats) {
orb_draw_stats = stats;
        }
 
drawStatistics(akaze_res, akaze_draw_stats);
drawStatistics(orb_res, orb_draw_stats);
        vconcat(akaze_res, orb_res, res_frame);
        cv::imshow(video_name, res_frame);
        if(waitKey(1)==27) break; //按 ESC 鍵退出
    }
akaze_stats /= i - 1;
orb_stats /= i - 1;
printStatistics("AKAZE", akaze_stats);
printStatistics("ORB", orb_stats);
    return 0;
}

解釋

Tracker 類

該類使用給定的特徵檢測器和描述符匹配器實現上述演算法。

• 設定第一幀

  void Tracker::setFirstFrame(const Mat frame, vector<Point2f> bb, string title, Stats& stats)
  {
  first_frame = frame.clone();
  (*detector)(first_frame, noArray(), first_kp, first_desc);
  stats.keypoints = (int)first_kp.size();
  drawBoundingBox(first_frame, bb);
  putText(first_frame, title, Point(0, 60), FONT_HERSHEY_PLAIN, 5, Scalar::all(0), 4);
  object_bb = bb;
  }

  我們計算並存儲第一幀的關鍵點和描述符，並將其準備用於輸出。

  我們需要儲存檢測到的關鍵點數量，以確保兩個檢測器定位的數量大致相同。

• 處理幀

  1. 定位關鍵點並計算描述符

     (*detector)(frame, noArray(), kp, desc);

     為了找到幀之間的匹配，我們必須首先定位關鍵點。

     在本教程中，檢測器設定為在每幀上找到大約 1000 個關鍵點。

  2. 使用 2-nn 匹配器查詢對應關係

     matcher->knnMatch(first_desc, desc, matches, 2);
     for(unsigned i = 0; i < matches.size(); i++) {
         if(matches[i][0].distance < nn_match_ratio * matches[i][1].distance) {
     matched1.push_back(first_kp[matches[i][0].queryIdx]);
     matched2.push_back( kp[matches[i][0].trainIdx]);
         }
     }

     如果最近的匹配比次近的匹配更接近 nn_match_ratio 倍，則認為這是一個匹配。
  3. 使用 RANSAC 估計單應性變換

     homography = findHomography(Points(matched1), Points(matched2),
     RANSAC, ransac_thresh, inlier_mask);

     如果至少有 4 個匹配，我們可以使用隨機樣本一致性來估計影像變換。
  4. 儲存內點

     for(unsigned i = 0; i < matched1.size(); i++) {
         if(inlier_mask.at<uchar>(i)) {
             int new_i = static_cast<int>(inliers1.size());
     inliers1.push_back(matched1[i]);
     inliers2.push_back(matched2[i]);
     inlier_matches.push_back(DMatch(new_i, new_i, 0));
         }
     }

     由於 findHomography 計算內點，我們只需儲存選定的點和匹配。

  5. 投影物件邊界框

     perspectiveTransform(object_bb, new_bb, homography);

     如果內點數量合理，我們可以使用估計的變換來定位物件。

結果

您可以在 youtube 上觀看結果影片。

AKAZE 統計

匹配數 626
內點數 410
內點比率 0.58
關鍵點數 1117

ORB 統計

匹配數 504
內點數 319
內點比率 0.56
關鍵點數 1112