python opencv光流跟踪_Opencv Python版学习笔记(四)光流跟踪之Gunnar Farneback’s 算法...
Gunnar Farneback 算法是一种稠密光流算法--所有图像上的像素点的光流都计算出来,这样速度也就相对慢一些,本例中达不到实时,初略估计在5帧每秒
calcOpticalFlowFarneback(prevImg, nextImg, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags[, flow])
参数说明:prevImg 输入的8bit单通道前一帧图像;
nextImg 输入的8bit单通道当前帧图像;
pyr_scale 金字塔参数:0.5为经典参数,每一层是下一层尺度的一半;
levels 金字塔的层数
winsize 窗口大小
iterations 迭代次数
poly_n 像素邻域的大小,大的话表示图像整体比较平滑
poly_sigma 高斯标准差
flags 可以为下列的组合 OPTFLOW_USE_INITIAL_FLOW OPTFLOW_FARNEBACK_GAUSSIAN
返回值为每个像素点的位移
具体可以参照opencv说明 http://www.opencv.org.cn/opencvdoc/2.3.2/html/modules/video/doc/motion_analysis_and_object_tracking.html#calcopticalflowfarneback
Opencv还提供了其它两种稠密光流跟踪法,Horn-Schunck 法 CalcOpticalFlowHS 和块匹配法 CalcOpticalFlowBM
这两种方法不支持图像金字塔匹配,不能用于跟踪大幅度的运动,而Gunnar Farneback方法支持图像金字塔,我猜测这也是此方法后加入Opencv的原因
代码及注释说明如下:
#encoding:utf-8
import numpy as np
import cv2
#import video #Opencv Python自带的读取
help_message = '''
USAGE: opt_flow.py []
Keys:
1 - toggle HSV flow visualization
2 - toggle glitch
'''
def draw_flow(img, flow, step=16):
h, w = img.shape[:2]
y, x = np.mgrid[step/2:h:step, step/2:w:step].reshape(2,-1)#以网格的形式选取二维图像上等间隔的点,这里间隔为16,reshape成2行的array
fx, fy = flow[y,x].T#取选定网格点坐标对应的光流位移
lines = np.vstack([x, y, x+fx, y+fy]).T.reshape(-1, 2, 2)#将初始点和变化的点堆叠成2*2的数组
lines = np.int32(lines + 0.5)#忽略微笑的假偏移,整数化
vis = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.polylines(vis, lines, 0, (0, 255, 0))#以初始点和终点划线表示光流运动
for (x1, y1), (x2, y2) in lines:
cv2.circle(vis, (x1, y1), 1, (0, 255, 0), -1)#在初始点(网格点处画圆点来表示初始点)
return vis
def draw_hsv(flow):
h, w = flow.shape[:2]
fx, fy = flow[:,:,0], flow[:,:,1]
ang = np.arctan2(fy, fx) + np.pi#得到运动的角度
v = np.sqrt(fx*fx+fy*fy)#得到运动的位移长度
hsv = np.zeros((h, w, 3), np.uint8)#初始化一个0值空3通道图像
hsv[...,0] = ang*(180/np.pi/2)#B通道为角度信息表示色调
hsv[...,1] = 255#G通道为255饱和度
hsv[...,2] = np.minimum(v*4, 255)#R通道为位移与255中较小值来表示亮度
bgr = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)#将得到的HSV模型转换为BGR显示
return bgr
def warp_flow(img, flow):
h, w = flow.shape[:2]
flow = -flow
flow[:,:,0] += np.arange(w)
flow[:,:,1] += np.arange(h)[:,np.newaxis]
res = cv2.remap(img, flow, None, cv2.INTER_LINEAR)#图像几何变换(线性插值),将原图像的像素映射到新的坐标上去
return res
if __name__ == '__main__':
import sys
print help_message
try: fn = sys.argv[1]
except: fn = 0
cam = cv2.VideoCapture('E:\Megamind.avi')#读取视频
ret, prev = cam.read()#读取视频第一帧作为光流输入的当前帧֡
#prev = cv2.imread('E:\lena.jpg')
prevgray = cv2.cvtColor(prev, cv2.COLOR_BGR2GRAY)
show_hsv = False
show_glitch = False
cur_glitch = prev.copy()
while True:
ret, img = cam.read()#读取视频的下一帧作为光流输入的当前帧
if ret == True:#判断视频是否结束
if cv2.cv.WaitKey(10)==27:
break
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
flow = cv2.calcOpticalFlowFarneback(prevgray, gray, 0.5, 3, 15, 3, 5, 1.2, 0)#Farnback光流法
prevgray = gray#计算完光流后,将当前帧存储为下一次计算的前一帧
cv2.imshow('flow', draw_flow(gray, flow))
if show_hsv:
cv2.imshow('flow HSV', draw_hsv(flow))
if show_glitch:
cur_glitch = warp_flow(cur_glitch, flow)
cv2.imshow('glitch', cur_glitch)
ch = 0xFF & cv2.waitKey(5)
if ch == 27:
break
if ch == ord('1'):
show_hsv = not show_hsv
print 'HSV flow visualization is', ['off', 'on'][show_hsv]
if ch == ord('2'):
show_glitch = not show_glitch
if show_glitch:
cur_glitch = img.copy()
print 'glitch is', ['off', 'on'][show_glitch]
else:
break
cv2.destroyAllWindows()
今天发现一个Numpy函数查询的地方:http://infosec.pku.edu.cn/~dulz/doc/Numpy_Example_List.htm#head-570e1d17438adcd39f527873694bd452e2f7355f
有例程 很好用
python opencv光流跟踪_Opencv Python版学习笔记(四)光流跟踪之Gunnar Farneback’s 算法...相关推荐
- python opencv 录制视频_OpenCV Python 录制视频
学到实用OpenCV调用笔记本电脑的摄像头,并录制视频保存到本地硬盘的时候,出现了一点故障,那就是获取到的文件总是为0KB.经过一番查找,终于找到了解决办法. 调用摄像头 调用摄像头作为本实验的基础是 ...
- python opencv压缩图片_OpenCV Python 缩放图片
By 凌顺 2019年9月12日 本示例使用的OpenCV版本是:4.1.1 运行Python的编辑器:Jupyter notebook 示例目的 使用OpneCV的cv2.resize()函数对图片 ...
- python基础教程(第三版)学习笔记(十八)
第十八章 程序打包 本章重点介绍Setuptools,因为这是每个Python程序员都要用到的工具.实际上,Setuptools 并非只能用于创建基于脚本的Python安装程序,还可用于编译扩展.另外 ...
- 36篇博文带你学完opencv :python+opencv进阶版学习笔记目录
基础版学习笔记传送门 36篇博文带你学完opencv :python3+opencv学习笔记汇总目录(基础版) 进阶版笔记 项目 opencv进阶学习笔记1: 调用摄像头用法大全(打开摄像头,打开摄像 ...
- OpenCV学习笔记(二十六)——小试SVM算法ml OpenCV学习笔记(二十七)——基于级联分类器的目标检测objdect OpenCV学习笔记(二十八)——光流法对运动目标跟踪Video Ope
OpenCV学习笔记(二十六)--小试SVM算法ml 总感觉自己停留在码农的初级阶段,要想更上一层,就得静下心来,好好研究一下算法的东西.OpenCV作为一个计算机视觉的开源库,肯定不会只停留在数字图 ...
- 《Python编程:从入门到实战》(第2版)学习笔记 第5章 if语句
[写在前面]为进一步提高自己的python代码能力,打算把几本经典书籍重新过一遍,形成系统的知识体系,同时适当记录一些学习笔记,我尽量及时更新!先从经典的<Python编程:从入门到实战> ...
- Timo学习笔记 :Python基础教程(第三版)第四章 当索引行不通时
第四章 当索引行不通时 Timo学习笔记 :Python基础教程(第三版)第三章 使用字符串 这是word编辑的最后一章笔记,第五章开始将直接用这个模板记录. 本章笔记很少,也很简单.很多方法可以到要 ...
- 《python(廖雪峰课程)》学习笔记
<python(廖雪峰课程)>学习笔记(个人检索) 1. 第一个python程序 input & output print输出字符串可以用""or'' prin ...
- python web开发入门_python大佬整理的python web开发从入门到精通学习笔记
原标题:python大佬整理的python web开发从入门到精通学习笔记 Python(发音:英[?pa?θ?n],美[?pa?θɑ:n]),是一种面向对象.直译式电脑编程语言,也是一种功能强大的通 ...
- MySQL技术内幕-InnoDB存储引擎第2版-学习笔记-02
MySQL技术内幕-InnoDB存储引擎第2版-学习笔记-02 6. 锁 人们认为行级锁总会增加开销.实际上,只有当实现本身会增加开销时,行级锁才会增加开销.InnoDB 存储引擎不需要锁升级,因 ...
最新文章
- Dalvik指令备忘
- java集合AbstractMap_Java 集合中的 AbstractMap 抽象类
- 【项目合作】基于Kinect人体模型重建与三围测量
- 7-8 树的遍历 (10 分)
- cisco命令学习,每天加一点
- 事务复制中的msrepl_ccs
- SQlite数据库的C编程接口(四) 绑定参数(Bound Parameters) ——《Using SQlite》读书笔记
- 零基础学习嵌入式:嵌入式linux视频教程免费分享
- 水经注叠加cad_相见恨晚的50个CAD技巧
- hsqldb mysql_HSQLDB创建数据库和基本的数据库访问 | 学步园
- 了解STM32的内部FLASH空间
- 初中信息技术考试:Python试题及答案
- vue结合高德地图V2.0(JSAPI key搭配代理服务器并携带安全密钥转发)
- 飞秋在使用高分辨率的显示器时字体太小,应该这样设置就和以前一样
- Mybatis入门(复习)
- 零基础通过直播小程序组件实现电商带货
- Windows和ubuntu下一些提升效率的工具知识点以及typora和Obsidian配置
- ROS教程(二):创建工作空间(图文)
- 基本概念 - 二维关系表
- Robin一个专注开发者的组织