我正在使用OpenCV试图跟踪Bonzini桌上的球。
将颜色转换为HSV并提供上下标量(25,90,90)和(30,255,255)我可以在完全或几乎完全可见时找到球。
问题是它只是部分可见。我试图用HoughCircles找到球，但我没有运气。虽然它有时会找到球，但大多数时候它只是看到随处可见的圈子 - 也许这不是正确的方法吗？
当球只有部分可见时（如果球的半径始终相同），我如何定位球的中心？
Mat gray;
vector<Vec3f> circles;
bilateralFilter(frame, gray, 15, 1000, 1000);
cvtColor(gray, gray, COLOR_BGR2GRAY);
GaussianBlur(gray, gray, Size(9,9), 2, 2);
HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 200, 50, 10, 12, 24);
一般来说，遮挡是很难处理的，但是有一个固定的摄像头位置会让你有点背风。您可以轻松地从之前的帧计算球的轨迹，以了解它可能出现的位置。如果你使用Hough圆圈，你可以将param2设置得相当高，这样你就不会得到误报。然后每当霍夫圆圈没有检测到圆圈，即circles为空时，您可以使用先前的帧位置来猜测球在遮挡期间的位置。
如果您按颜色过滤图像，您将获得可以通过多种方式处理的二进制图像。由于你可以计算球的大小，你可以在正常的框架中轻松使用霍夫圆，但这在遮挡期间无助于你;和模板匹配也不太可能。相反，您需要使用其他方法将二进制图像中的指标点组合在一起。
沿着相同的线，您不能使用Hough圆，只需通过在二进制图像中查找kmeans或类似的聚类来获取中心，您就可以从中获得聚类的中心。可以以某种方式将中心与预测的轨迹进行比较。例如，如果从过滤黄色的二进制图像中获得的指标像素数量太少，那么您可以简单地依赖预测的轨迹。更强大（我认为）你可以用簇的中心对预测轨迹进行加权平均，其中权重由二进制图像中的指示像素数给出。这样，如果您没有遮挡，您可以根据指标像素的中心获得大部分或全部位置;如果你有一些遮挡，你可以通过你想要的轨迹添加一些修正;如果你有很多遮挡，你可以严重依赖预测的轨迹。
以上同样适用于contours;再次，因为你知道球的大小，你可以看到你的轮廓与contourArea有多大，并根据轮廓区域和整圆区域的比例，用预测的轨迹加权轮廓的中心。 @ Green_Wizard的建议也非常适合确保您在正确的区域找到轮廓。根据我的建议，这是一种相反的方法，在这种方法中，您首先查看预测的轨迹，并尝试在该有限区域内检测某些内容，或者按距离对指示进行排序。我在模板匹配项目中做了类似的事情，但它主要用于计算减少---我根据模板的最后已知位置定义了ROI，该模型的大小逐渐增大，直到再次找到模板。 See for e.g.。我没有在此预测轨迹，尽管至少对于马里奥来说，他实际上并没有前进;水平向后移动。