python使用OpenCV實現(xiàn)多目標(biāo)跟蹤
更新時間：2022年05月09日 16:35:53 作者：liferecords
這篇文章主要介紹了python使用OpenCV實現(xiàn)多目標(biāo)跟蹤，如何在OpenCV中使用MultiTracker類實現(xiàn)多目標(biāo)跟蹤API。在深入了解詳細(xì)信息之前，請查看下面列出的關(guān)于目標(biāo)跟蹤的帖子，以了解在OpenCV中實現(xiàn)的單個目標(biāo)跟蹤器的基礎(chǔ)知識,需要的朋友可以參考一下
前言：
在這篇文章中，我們將介紹如何在OpenCV中使用MultiTracker類實現(xiàn)多目標(biāo)跟蹤API。在深入了解詳細(xì)信息之前，請查看下面列出的關(guān)于目標(biāo)跟蹤的帖子，以了解在OpenCV中實現(xiàn)的單個目標(biāo)跟蹤器的基礎(chǔ)知識。同時需要安裝opencv_contrib庫，詳細(xì)見：
1 背景介紹
計算機視覺和機器學(xué)習(xí)的大多數(shù)初學(xué)者都學(xué)習(xí)對象檢測。如果您是初學(xué)者，您可能會想到為什么我們需要對象跟蹤。我們不能只檢測每一幀中的物體嗎？
讓我們探討一下跟蹤有用的幾個原因：
- 首先，當(dāng)在視頻幀中檢測到多個對象（比如人）時，跟蹤有助于跨幀確定對象的身份。
- 其次，在某些情況下，目標(biāo)檢測可能會失敗，但仍可能跟蹤對象，因為跟蹤會考慮前一幀中對象的位置和外觀。
- 第三，一些跟蹤算法非?？?，因為它們進(jìn)行本地搜索而不是全局搜索。因此，我們可以通過每第n幀執(zhí)行目標(biāo)檢測并在中間幀中跟蹤對象來為我們的系統(tǒng)獲得非常高的性能。
那么，為什么不在第一次檢測后無限期地跟蹤對象呢？跟蹤算法有時可能會丟失其正在跟蹤的對象。例如，當(dāng)對象的運動太大時，跟蹤算法可能無法跟上。通常會在目標(biāo)跟蹤一段時間后再次目標(biāo)檢測。
在本教程中，我們將只關(guān)注跟蹤部分。我們要跟蹤的對象將通過指定它們周圍的邊界框來獲取。
2 基于MultiTracker的多目標(biāo)跟蹤
OpenCV中的多目標(biāo)跟蹤器MultiTracker類提供了多目標(biāo)跟蹤的實現(xiàn)。但是這只是一個初步的實現(xiàn)，因為它只處理跟蹤對象，而不對被跟蹤對象進(jìn)行任何優(yōu)化。
2.1 創(chuàng)建單個對象跟蹤器
多對象跟蹤器只是單個對象跟蹤器的集合。我們首先定義一個將跟蹤器類型作為輸入并創(chuàng)建跟蹤器對象的函數(shù)。
OpenCV有8種不同的跟蹤器類型：BOOSTING，MIL，KCF，TLD，MEDIANFLOW，GOTURN，MOSSE，CSRT。本文不使用GOTURN跟蹤器。一般我們先給定跟蹤器類的名稱，再返回單跟蹤器對象，然后建立多跟蹤器類。
C++代碼：
vector<string> trackerTypes = {"BOOSTING", "MIL", "KCF", "TLD", "MEDIANFLOW", "GOTURN", "MOSSE", "CSRT"};
/**
* @brief Create a Tracker By Name object 根據(jù)設(shè)定的類型初始化跟蹤器
*
* @param trackerType
* @return Ptr<Tracker>
*/
Ptr<Tracker> createTrackerByName(string trackerType)
{
Ptr<Tracker> tracker;
if (trackerType == trackerTypes[0])
tracker = TrackerBoosting::create();
else if (trackerType == trackerTypes[1])
tracker = TrackerMIL::create();
else if (trackerType == trackerTypes[2])
tracker = TrackerKCF::create();
else if (trackerType == trackerTypes[3])
tracker = TrackerTLD::create();
else if (trackerType == trackerTypes[4])
tracker = TrackerMedianFlow::create();
else if (trackerType == trackerTypes[5])
tracker = TrackerGOTURN::create();
else if (trackerType == trackerTypes[6])
tracker = TrackerMOSSE::create();
else if (trackerType == trackerTypes[7])
tracker = TrackerCSRT::create();
else
{
cout << "Incorrect tracker name" << endl;
cout << "Available trackers are: " << endl;
for (vector<string>::iterator it = trackerTypes.begin(); it != trackerTypes.end(); ++it)
{
std::cout << " " << *it << endl;
}
}
return tracker;
}
python代碼：
from __future__ import print_function
import sys
import cv2
from random import randint
trackerTypes = ['BOOSTING', 'MIL', 'KCF','TLD', 'MEDIANFLOW', 'GOTURN', 'MOSSE', 'CSRT']
def createTrackerByName(trackerType):
# Create a tracker based on tracker name
if trackerType == trackerTypes[0]:
tracker = cv2.TrackerBoosting_create()
elif trackerType == trackerTypes[1]:
tracker = cv2.TrackerMIL_create()
elif trackerType == trackerTypes[2]:
tracker = cv2.TrackerKCF_create()
elif trackerType == trackerTypes[3]:
tracker = cv2.TrackerTLD_create()
elif trackerType == trackerTypes[4]:
tracker = cv2.TrackerMedianFlow_create()
elif trackerType == trackerTypes[5]:
tracker = cv2.TrackerGOTURN_create()
elif trackerType == trackerTypes[6]:
tracker = cv2.TrackerMOSSE_create()
elif trackerType == trackerTypes[7]:
tracker = cv2.TrackerCSRT_create()
else:
tracker = None
print('Incorrect tracker name')
print('Available trackers are:')
for t in trackerTypes:
print(t)
return tracker
2.2 讀取視頻的第一幀
多對象跟蹤器需要兩個輸入即一個視頻幀和我們想要跟蹤的所有對象的位置（邊界框）。
給定此信息，跟蹤器在所有后續(xù)幀中跟蹤這些指定對象的位置。在下面的代碼中，我們首先使用VideoCapture類加載視頻并讀取第一幀。稍后將使用它來初始化MultiTracker。
C++代碼：
// Set tracker type. Change this to try different trackers. 選擇追蹤器類型
string trackerType = trackerTypes[6];
// set default values for tracking algorithm and video 視頻讀取
string videoPath = "video/run.mp4";
// Initialize MultiTracker with tracking algo 邊界框
vector<Rect> bboxes;
// create a video capture object to read videos 讀視頻
cv::VideoCapture cap(videoPath);
Mat frame;
// quit if unable to read video file
if (!cap.isOpened())
{
cout << "Error opening video file " << videoPath << endl;
return -1;
}
// read first frame 讀第一幀
cap >> frame;python代碼：
# Set video to load
videoPath = "video/run.mp4"
# Create a video capture object to read videos
cap = cv2.VideoCapture(videoPath)
# Read first frame
success, frame = cap.read()
# quit if unable to read the video file
if not success:
print('Failed to read video')
sys.exit(1)2.3 在第一幀中確定我們跟蹤的對象
接下來，我們需要在第一幀中找到我們想要跟蹤的對象。OpenCV提供了一個名為selectROIs的函數(shù)，它彈出一個GUI來選擇邊界框（也稱為感興趣區(qū)域（ROI））。在C++版本中可以通過selectROIs允許您獲取多個邊界框，但在Python版本中，只能通過selectROI獲得一個邊界框。因此，在Python版本中，我們需要一個循環(huán)來獲取多個邊界框。對于每個對象，我們還選擇隨機顏色來顯示邊界框。selectROI函數(shù)步驟為先在圖像上畫框，然后按ENTER確定完成畫框畫下一個框。按ESC退出畫框開始執(zhí)行程序
C++代碼：
// Get bounding boxes for first frame
// selectROI's default behaviour is to draw box starting from the center
// when fromCenter is set to false, you can draw box starting from top left corner
bool showCrosshair = true;
bool fromCenter = false;
cout << "\n==========================================================\n";
cout << "OpenCV says press c to cancel objects selection process" << endl;
cout << "It doesn't work. Press Escape to exit selection process" << endl;
cout << "\n==========================================================\n";
cv::selectROIs("MultiTracker", frame, bboxes, showCrosshair, fromCenter);
// quit if there are no objects to track
if(bboxes.size() < 1)
return 0;
vector<Scalar> colors;
getRandomColors(colors, bboxes.size());
// Fill the vector with random colors
void getRandomColors(vector<Scalar>& colors, int numColors)
{
RNG rng(0);
for(int i=0; i < numColors; i++)
colors.push_back(Scalar(rng.uniform(0,255), rng.uniform(0, 255), rng.uniform(0, 255)));
}
python代碼：
## Select boxes
bboxes = []
colors = []
# OpenCV's selectROI function doesn't work for selecting multiple objects in Python
# So we will call this function in a loop till we are done selecting all objects
while True:
# draw bounding boxes over objects
# selectROI's default behaviour is to draw box starting from the center
# when fromCenter is set to false, you can draw box starting from top left corner
bbox = cv2.selectROI('MultiTracker', frame)
bboxes.append(bbox)
colors.append((randint(0, 255), randint(0, 255), randint(0, 255)))
print("Press q to quit selecting boxes and start tracking")
print("Press any other key to select next object")
k = cv2.waitKey(0) & 0xFF
if (k == 113): # q is pressed
break
print('Selected bounding boxes {}'.format(bboxes))
2.4 初始化MultiTrackerer
到目前為止，我們已經(jīng)讀取了第一幀并獲得了對象周圍的邊界框。這是我們初始化多對象跟蹤器所需的所有信息。我們首先創(chuàng)建一個MultiTracker對象，并添加你要跟蹤目標(biāo)數(shù)的單個對象跟蹤器。在此示例中，我們使用CSRT單個對象跟蹤器，但您可以通過將下面的trackerType變量更改為本文開頭提到的8個跟蹤器時間之一來嘗試其他跟蹤器類型。該CSRT跟蹤器是不是最快的，但它產(chǎn)生在我們嘗試很多情況下，最好的結(jié)果。
您也可以使用包含在同一MultiTracker中的不同跟蹤器，但當(dāng)然，它沒有多大意義。能用的不多。CSRT精度最高，KCF速度精度綜合最好，MOSSE速度最快。
MultiTracker類只是這些單個對象跟蹤器的包裝器。正如我們在上一篇文章中所知道的那樣，使用第一幀和邊界框初始化單個對象跟蹤器，該邊界框指示我們想要跟蹤的對象的位置。MultiTracker將此信息傳遞給它內(nèi)部包裝的單個目標(biāo)跟蹤器。
C++代碼：
// Create multitracker 創(chuàng)建多目標(biāo)跟蹤類
Ptr<MultiTracker> multiTracker = cv::MultiTracker::create();
// initialize multitracker 初始化
for (int i = 0; i < bboxes.size(); i++)
{
multiTracker->add(createTrackerByName(trackerType), frame, Rect2d(bboxes[i]));
}python代碼：
# Specify the tracker type trackerType = "CSRT" # Create MultiTracker object multiTracker = cv2.MultiTracker_create() # Initialize MultiTracker for bbox in bboxes: multiTracker.add(createTrackerByName(trackerType), frame, bbox)
2.5 更新MultiTracker和顯示結(jié)果
最后，我們的MultiTracker準(zhǔn)備就緒，我們可以在新的幀中跟蹤多個對象。我們使用MultiTracker類的update方法在新幀中定位對象。每個被跟蹤對象的每個邊界框都使用不同的顏色繪制。
Update函數(shù)會返回true和false。update如果跟蹤失敗會返回false，C++代碼加了判斷，Python沒有加。但是要注意的是update函數(shù)哪怕返回了false，也會繼續(xù)更新函數(shù)，給出邊界框。所以返回false，建議停止追蹤。
C++代碼：
while (cap.isOpened())
{
// get frame from the video 逐幀處理
cap >> frame;
// stop the program if reached end of video
if (frame.empty())
{
break;
}
//update the tracking result with new frame 更新每一幀
bool ok = multiTracker->update(frame);
if (ok == true)
{
cout << "Tracking success" << endl;
}
else
{
cout << "Tracking failure" << endl;
}
// draw tracked objects 畫框
for (unsigned i = 0; i < multiTracker->getObjects().size(); i++)
{
rectangle(frame, multiTracker->getObjects()[i], colors[i], 2, 1);
}
// show frame
imshow("MultiTracker", frame);
// quit on x button
if (waitKey(1) == 27)
{
break;
}
}python代碼：
# Process video and track objects
while cap.isOpened():
success, frame = cap.read()
if not success:
break
# get updated location of objects in subsequent frames
success, boxes = multiTracker.update(frame)
# draw tracked objects
for i, newbox in enumerate(boxes):
p1 = (int(newbox[0]), int(newbox[1]))
p2 = (int(newbox[0] + newbox[2]), int(newbox[1] + newbox[3]))
cv2.rectangle(frame, p1, p2, colors[i], 2, 1)
# show frame
cv2.imshow('MultiTracker', frame)
# quit on ESC button
if cv2.waitKey(1) & 0xFF == 27: # Esc pressed
break3 結(jié)果和代碼
就結(jié)果而言，多目標(biāo)跟蹤就是生成多個單目標(biāo)跟蹤器，每個單目標(biāo)跟蹤器跟蹤一個對象。如果你想和目標(biāo)檢測結(jié)合，其中的對象框如果要自己設(shè)定，push一個Rect對象就行了。
//自己設(shè)定對象的檢測框
//x,y,width,height
//bboxes.push_back(Rect(388, 155, 30, 40));
//bboxes.push_back(Rect(492, 205, 50, 80));
總體來說精度和單目標(biāo)跟蹤器差不多，所耗時間差不多5到7倍，不同算法不同。
完整代碼如下：
C++：
// Opencv_MultiTracker.cpp : 此文件包含 "main" 函數(shù)。程序執(zhí)行將在此處開始并結(jié)束。
//
#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/tracking.hpp>
using namespace cv;
using namespace std;
vector<string> trackerTypes = {"BOOSTING", "MIL", "KCF", "TLD", "MEDIANFLOW", "GOTURN", "MOSSE", "CSRT"};
/**
* @brief Create a Tracker By Name object 根據(jù)設(shè)定的類型初始化跟蹤器
*
* @param trackerType
* @return Ptr<Tracker>
*/
Ptr<Tracker> createTrackerByName(string trackerType)
{
Ptr<Tracker> tracker;
if (trackerType == trackerTypes[0])
tracker = TrackerBoosting::create();
else if (trackerType == trackerTypes[1])
tracker = TrackerMIL::create();
else if (trackerType == trackerTypes[2])
tracker = TrackerKCF::create();
else if (trackerType == trackerTypes[3])
tracker = TrackerTLD::create();
else if (trackerType == trackerTypes[4])
tracker = TrackerMedianFlow::create();
else if (trackerType == trackerTypes[5])
tracker = TrackerGOTURN::create();
else if (trackerType == trackerTypes[6])
tracker = TrackerMOSSE::create();
else if (trackerType == trackerTypes[7])
tracker = TrackerCSRT::create();
else
{
cout << "Incorrect tracker name" << endl;
cout << "Available trackers are: " << endl;
for (vector<string>::iterator it = trackerTypes.begin(); it != trackerTypes.end(); ++it)
{
std::cout << " " << *it << endl;
}
}
return tracker;
}
/**
* @brief Get the Random Colors object 隨機涂色
*
* @param colors
* @param numColors
*/
void getRandomColors(vector<Scalar> &colors, int numColors)
{
RNG rng(0);
for (int i = 0; i < numColors; i++)
{
colors.push_back(Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)));
}
}
int main(int argc, char *argv[])
{
// Set tracker type. Change this to try different trackers. 選擇追蹤器類型
string trackerType = trackerTypes[7];
// set default values for tracking algorithm and video 視頻讀取
string videoPath = "video/run.mp4";
// Initialize MultiTracker with tracking algo 邊界框
vector<Rect> bboxes;
// create a video capture object to read videos 讀視頻
cv::VideoCapture cap(videoPath);
Mat frame;
// quit if unable to read video file
if (!cap.isOpened())
{
cout << "Error opening video file " << videoPath << endl;
return -1;
}
// read first frame 讀第一幀
cap >> frame;
// draw bounding boxes over objects 在第一幀內(nèi)確定對象框
/*
先在圖像上畫框，然后按ENTER確定畫下一個框。按ESC退出畫框開始執(zhí)行程序
*/
cout << "\n==========================================================\n";
cout << "OpenCV says press c to cancel objects selection process" << endl;
cout << "It doesn't work. Press Esc to exit selection process" << endl;
cout << "\n==========================================================\n";
cv::selectROIs("MultiTracker", frame, bboxes, false);
//自己設(shè)定對象的檢測框
//x,y,width,height
//bboxes.push_back(Rect(388, 155, 30, 40));
//bboxes.push_back(Rect(492, 205, 50, 80));
// quit if there are no objects to track 如果沒有選擇對象
if (bboxes.size() < 1)
{
return 0;
}
vector<Scalar> colors;
//給各個框涂色
getRandomColors(colors, bboxes.size());
// Create multitracker 創(chuàng)建多目標(biāo)跟蹤類
Ptr<MultiTracker> multiTracker = cv::MultiTracker::create();
// initialize multitracker 初始化
for (int i = 0; i < bboxes.size(); i++)
{
multiTracker->add(createTrackerByName(trackerType), frame, Rect2d(bboxes[i]));
}
// process video and track objects 開始處理圖像
cout << "\n==========================================================\n";
cout << "Started tracking, press ESC to quit." << endl;
while (cap.isOpened())
{
// get frame from the video 逐幀處理
cap >> frame;
// stop the program if reached end of video
if (frame.empty())
{
break;
}
//update the tracking result with new frame 更新每一幀
bool ok = multiTracker->update(frame);
if (ok == true)
{
cout << "Tracking success" << endl;
}
else
{
cout << "Tracking failure" << endl;
}
// draw tracked objects 畫框
for (unsigned i = 0; i < multiTracker->getObjects().size(); i++)
{
rectangle(frame, multiTracker->getObjects()[i], colors[i], 2, 1);
}
// show frame
imshow("MultiTracker", frame);
// quit on x button
if (waitKey(1) == 27)
{
break;
}
}
waitKey(0);
return 0;
}
Python：
from __future__ import print_function
import sys
import cv2
from random import randint
trackerTypes = ['BOOSTING', 'MIL', 'KCF','TLD', 'MEDIANFLOW', 'GOTURN', 'MOSSE', 'CSRT']
def createTrackerByName(trackerType):
# Create a tracker based on tracker name
if trackerType == trackerTypes[0]:
tracker = cv2.TrackerBoosting_create()
elif trackerType == trackerTypes[1]:
tracker = cv2.TrackerMIL_create()
elif trackerType == trackerTypes[2]:
tracker = cv2.TrackerKCF_create()
elif trackerType == trackerTypes[3]:
tracker = cv2.TrackerTLD_create()
elif trackerType == trackerTypes[4]:
tracker = cv2.TrackerMedianFlow_create()
elif trackerType == trackerTypes[5]:
tracker = cv2.TrackerGOTURN_create()
elif trackerType == trackerTypes[6]:
tracker = cv2.TrackerMOSSE_create()
elif trackerType == trackerTypes[7]:
tracker = cv2.TrackerCSRT_create()
else:
tracker = None
print('Incorrect tracker name')
print('Available trackers are:')
for t in trackerTypes:
print(t)
return tracker
if __name__ == '__main__':
print("Default tracking algoritm is CSRT \n"
"Available tracking algorithms are:\n")
for t in trackerTypes:
print(t)
trackerType = "CSRT"
# Set video to load
videoPath = "video/run.mp4"
# Create a video capture object to read videos
cap = cv2.VideoCapture(videoPath)
# Read first frame
success, frame = cap.read()
# quit if unable to read the video file
if not success:
print('Failed to read video')
sys.exit(1)
## Select boxes
bboxes = []
colors = []
# OpenCV's selectROI function doesn't work for selecting multiple objects in Python
# So we will call this function in a loop till we are done selecting all objects
while True:
# draw bounding boxes over objects
# selectROI's default behaviour is to draw box starting from the center
# when fromCenter is set to false, you can draw box starting from top left corner
bbox = cv2.selectROI('MultiTracker', frame)
bboxes.append(bbox)
colors.append((randint(64, 255), randint(64, 255), randint(64, 255)))
print("Press q to quit selecting boxes and start tracking")
print("Press any other key to select next object")
k = cv2.waitKey(0) & 0xFF
if (k == 113): # q is pressed
break
print('Selected bounding boxes {}'.format(bboxes))
## Initialize MultiTracker
# There are two ways you can initialize multitracker
# 1. tracker = cv2.MultiTracker("CSRT")
# All the trackers added to this multitracker
# will use CSRT algorithm as default
# 2. tracker = cv2.MultiTracker()
# No default algorithm specified
# Initialize MultiTracker with tracking algo
# Specify tracker type
# Create MultiTracker object
multiTracker = cv2.MultiTracker_create()
# Initialize MultiTracker
for bbox in bboxes:
multiTracker.add(createTrackerByName(trackerType), frame, bbox)
# Process video and track objects
while cap.isOpened():
success, frame = cap.read()
if not success:
break
# get updated location of objects in subsequent frames
success, boxes = multiTracker.update(frame)
# draw tracked objects
for i, newbox in enumerate(boxes):
p1 = (int(newbox[0]), int(newbox[1]))
p2 = (int(newbox[0] + newbox[2]), int(newbox[1] + newbox[3]))
cv2.rectangle(frame, p1, p2, colors[i], 2, 1)
# show frame
cv2.imshow('MultiTracker', frame)
# quit on ESC button
if cv2.waitKey(1) & 0xFF == 27: # Esc pressed
break到此這篇關(guān)于python使用OpenCV實現(xiàn)多目標(biāo)跟蹤的文章就介紹到這了,更多相關(guān)OpenCV目標(biāo)跟蹤內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
今天小編就為大家分享一篇用Python解決x的n次方問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-02-02
在開發(fā)過程中,我們可能會安裝許多 Python 包,有時需要徹底清理環(huán)境,以便從頭開始或者解決沖突問題,下面將介紹如何使用 pip 命令卸載所有已安裝的 Python 包,需要的朋友可以參考下2024-06-06
這篇文章主要為大家介紹了Pandas讀存JSON數(shù)據(jù)操作示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-08-08
python GUI庫圖形界面開發(fā)之PyQt5布局控件QVBoxLayout詳細(xì)使用方法與實例
這篇文章主要介紹了python GUI庫圖形界面開發(fā)之PyQt5布局控件QVBoxLayout詳細(xì)使用方法與實例,需要的朋友可以參考下2020-03-03
這篇文章主要介紹了Python3第三方模塊之Pillow模塊的使用詳解,在 pillow之前處理圖形的庫莫過于PIL,但是它支持到python2.7,年久失修,于是一群志愿者在PIL的基礎(chǔ)上常見了pillow,支持python3,又豐富和功能特性,需要的朋友可以參考下2023-10-10
python中執(zhí)行shell的兩種方法總結(jié)
這篇文章主要介紹了python中執(zhí)行shell的兩種方法，有兩種方法可以在Python中執(zhí)行SHELL程序，方法一是使用Python的commands包，方法二則是使用subprocess包，這兩個包均是Python現(xiàn)有的內(nèi)置模塊。需要的朋友可以參考借鑒，下面來一起看看吧。2017-01-01
Django中celery執(zhí)行任務(wù)結(jié)果的保存方法
今天小編就為大家分享一篇Django中celery執(zhí)行任務(wù)結(jié)果的保存方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
Tensorflow中的降維函數(shù)tf.reduce_*使用總結(jié)
這篇文章主要介紹了Tensorflow中的降維函數(shù)tf.reduce_*使用總結(jié)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
這篇文章主要為大家詳細(xì)介紹了python如何壓縮新文件到已有ZIP文件，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-03-03
Blender?Python編程實現(xiàn)批量導(dǎo)入網(wǎng)格并保存渲染圖像
這篇文章主要為大家介紹了Blender?Python?編程實現(xiàn)批量導(dǎo)入網(wǎng)格并保存渲染圖像示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-08-08