Tracciatore di movimento¶

Descrizione

Il tracciamento è il processo per localizzare nel tempo un oggetto in movimento. Per rilevare il movimento Kdenlive utilizza OpenCV (Open Source Computer Vision Library)[1]. Il risultato di questo effetto può essere usato in un altro copiando i dati dei fotogrammi chiave generati dal tracciatore di movimento, ad esempio la posizione dei fotogrammi chiave nell’effetto Trasforma.

Parametri

Parametro	Valore	Descrizione
Algoritmo di tracciamento	Selezione	Imposta l’algoritmo usato per il tracciatore di movimento
Spaziatura dei fotogrammi chiave	Intero	Determina quanti fotogrammi chiave possono essere saltati durante l’analisi
Forma dei fotogrammi	Selezione	Imposta la forma dei fotogrammi
Larghezza della forma	Intero	Imposta lo spessore della forma del fotogramma
Colore della forma	Selettore	Imposta il colore della forma del fotogramma. Determina anche il colore del Tipo di sfocatura Riempi opaco.
Sfocatura	Intero	Imposta la quantità di sfocatura per il Tipo di sfocatura Sfocatura mediana e Sfocatura gaussiana
Tipo di sfocatura	Selezione	Seleziona cosa fare con la sezione incorniciata

Sono disponibili le seguenti voci di selezione:

Algoritmi di tracciamento

KCF	Kernelized Correlation Filters (predefinito)
CSRT	Channel and Spatial Reliability Tracking
MOSSE	Minimum Output Sum of Squared Error
MIL	Multiple Instance Learning
MedianFlow
DaSiam	L’algoritmo di tracciamento visivo DaSiamRPN si basa su modelli di deep learning per fornire dei risultati estremamente accurati. Vedi la noto sotto per le istruzioni d’installazione.
Nano	Il tracciatore Nano è un modello leggero, dà dei buoni risultati ed è veloce.

Suggerimento

Potresti dover fare degli esperimenti coi vari algoritmi di tracciamento per produrre dei buoni risultati per il tuo caso d’uso specifico. Vedi più sotto un breve confronto tra i vari Algoritmi di tracciamento.

Forma dei fotogrammi

Rettangolo	Predefinita
Ellisse
Freccia

Suggerimento

La scelta della forma giusta può generare un miglior tracciamento del movimento.

Tipo di sfocatura

Nessuno	Non fare nulla (predefinito)
Sfocatura mediana	Applica sfocatura gaussiana al rettangolo
Sfocatura gaussiana	Applica sfocatura gaussiana al rettangolo
Pixelato	Rettangolo pixelato
Riempimento opaco	Riempi il rettangolo con una forma colorata

Esempi di Tipo di sfocatura:

kdenlive_effects-motion_tracker_blur_type — I vari tipi di sfocatura in azione¶

Come tracciare una regione di un video¶

Il flusso di lavoro di base per tracciare una regione consiste in come di seguito:

kdenlive_effects-motion_tracking_face — Il tracciamento del volto del modello¶

Applicare l’effetto a una clip
Seleziona la regione desiderata da tracciare[2] nel Controllo del progetto
Scegli un algoritmo di tracciamento
Fai cli sul pulsante Analizza

kdenlive2304_effects-motion_tracker_copy_kf — Il menu Opzioni¶

Quando l’analisi è finita puoi esportare i fotogrammi chiave negli appunti, facendo clic su e scegliendo Copia tutti i fotogrammi chiave negli appunti. Vedi anche Scambiare i fotogrammi chiave.

Algoritmi di tracciamento¶

KCF:

Kernelized Correlation Filters

Pro: l’accuratezza e la velocità sono entrambe migliori rispetto a MIL, così come la segnalazione degli insuccessi di tracciamento.

Contro: non riprende da un’occlusione completa.

CSRT:

Channel and Spatial Reliability Tracking.

Nella Discriminative Correlation Filter with Channel and Spatial Reliability (DCF-CSR) utilizziamo la mappa di affidabilità spaziale per la regolazione al supporto del filtro alla parte della regione selezionata del fotogramma per il monitoraggio. Ciò garantisce l’ingrandimento e la localizzazione della regione selezionata e il monitoraggio migliorato delle regioni o degli oggetti non rettangolari. Utilizza solo 2 funzioni standard (HoGs e Colornames). Funziona anche a fps relativamente inferiori (25 fps), ma offre una maggiore precisione al monitoraggio dell’oggetto.

MOSSE:

Minimum Output Sum of Squared Error

MOSSE utilizza una correlazione adattiva per il monitoraggio dell’oggetto, che produce dei filtri di correlazione stabili quando vengono inizializzati utilizzando un singolo fotogramma. Il tracciatore MOSSE è robusto alle variazioni di illuminazione, di scala, di posa e alle deformazioni non rigide. Rileva anche l’occlusione in base al rapporto di picco-lobi laterali, che gli consente di mettere in pausa e riprendere da dove si è interrotta quando l’oggetto riappare. Il tracciatore MOSSE funziona anche a fps più alto (450 fps e più).

Pro: è preciso come gli altri tracciatori complessi, ma molto più veloce.

Contro: per quanto riguarda le prestazioni, è in ritardo rispetto ai tracciatori basati sul deep learning.

MIL:

Multiple Instance Learning

Pro: le prestazioni sono abbastanza buone. Compie un lavoro ragionevole in caso di occlusione parziale.

Contro: gli insuccessi di tracciamento non sono segnalati in modo affidabile. Non riprende dalla piena occlusione.

MedianFlow:

Pro: segnalazione degli insuccessi di tracciamento eccellente. Funziona molto bene quando il movimento è prevedibile e non c’è occlusione.

Contro: insuccesso in caso di movimento ampio.

DaSiam:

L’algoritmo di tracciamento visivo DaSiamRPN si basa su modelli di deep learning per fornire dei risultati estremamente accurati.

Per poter utilizzare l’algoritmo DaSiam devi scaricare i modelli di intelligenza artificiale

dasiamrpn_kernel_cls1.onnx

dasiamrpn_kernel_r1.onnx

dasiamrpn_model.onnx

e mettile in folder for models

Nano:

Il tracciatore Nano è un modello leggero, dà dei buoni risultati ed è veloce.

Per poter utilizzare l’algoritmo Nano devi scaricare i modelli di intelligenza artificiale (la dimensione dei modelli è circa 1.9 MB)

nanotrack_backbone_sim.onnx

nanotrack_head_sim.onnx

e mettile in folder for models

Cartella per i modelli¶

Linux:

$HOME/.local/share/kdenlive/opencvmodels

Flatpak:

$HOME/.var/app/org.kde.kdenlive/data/kdenlive/opencvmodels

Windows:

%AppData%/kdenlive/opencvmodels

Premi Win+R (il tasto Windows e R contemporaneamente) e copia %AppData%/kdenlive/. Crea quindi la cartella opencvmodels