【OpenCV笔记】光流法之金字塔Lucas-Kanade
转自:https://blog.csdn.net/qq_33389308/article/details/83049479
本文参考链接:https://blog.csdn.net/zy122121cs/article/details/44955353
参考论文:”Pyramidal Implementation of the Lucas Kanade Feature TrackerDescription of the algorithm”
一、金字塔光流法介绍
光流金字塔即对图像进行分层处理,一般来说不算原始图像(最底层)的话分为四层就能满足需求,按照论文中的话说就是超过4层在大多数情况下没有意义。如果原始图像的大小为640x480,那么分为4层的大小分别为320x240,160x120,80x60,40x30。
如下图所示:
金字塔分层
接下来对金字塔光流法的过程进行简单描述,期间不会出现任何数学公式,对公式有兴趣的小伙伴可以直接搜索查阅参考文献的论文。
首先展示一张图:
金字塔光流的过程
我们对视频中点的跟踪实际上是对相邻两帧的图像进行处理,设图像I和J为相邻两帧的图像,我们希望在图像J中找到u0的对应点v,那么首先对两幅图像进行分层,假设如上图分为3层,如此可以分别计算得到u1、u2、u3。
对于金字塔我们从最高层开始进行处理, u3在图像J中的对应初始点为v31(v31和u3是相等的,图画的不太准),然后通过某种计算符合相应的条件后,得到当前层最小误差点v3n(n表示经过n次计算)和相应的光流。然后利用计算得到的光流能够在图像J中找到点v21作为第二层的初始点,以此类推进行和第3层一样的迭代计算最终能够获得包含各层光流分量的总光流,就能得到最终的对应点v0r。
注:1.某种计算具体见论文。
2.相应条件包含两种,一是达到设置的迭代次数上限,二是计算结果符合精确度阈值。这在opencv的函数中有体现。
3.论文中能够得到一些参数设置信息,迭代次数一般设置为5次即可(但是opencv中默认为30次),金字塔层数≤4,搜索窗大小为奇数x奇数。
二、OpenCV金字塔光流函数介绍
函数声明如下:
CV_EXPORTS_W void calcOpticalFlowPyrLK( InputArray prevImg, InputArray nextImg,
InputArray prevPts, InputOutputArray nextPts,
OutputArray status, OutputArray err,
Size winSize = Size(21,21), int maxLevel = 3,
TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),
int flags = 0, double minEigThreshold = 1e-4 );
InputArray prevImg | 前一幅图像 |
InputArray nextImg | 后一幅图像 |
InputArray prevPts | vector,前一幅图像中想要跟踪的点集 |
InputOutputArray nextPts | vector,后一幅图像中计算得到的对应点集 |
OutputArray status | vector,记录状态,如果对应点的光流被搜索到则将对应点置1 |
OutputArray err | vector,记录每个特征点的误差,如果光流没有被计算出来,不会有误差 |
Size winSize = Size(21,21) | 搜索窗的大小,如前所述为奇数x奇数 |
int maxLevel = 3 | 金字塔的层数 |
TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01) | 迭代停止条件,默认设置为30次迭代或者阈值0.01 |
int flags = 0 |
默认值为0,表示不设置此标记。有如下标记可以选择 OPTFLOW_USE_INITIAL_FLOW = 4, OPTFLOW_LK_GET_MIN_EIGENVALS = 8, OPTFLOW_FARNEBACK_GAUSSIAN = 256 |
double minEigThreshold = 1e-4 | 作为阈值可以过滤掉一些不好的特征点以提升性能 |
三、官方例程
#include "opencv2/video/tracking.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/videoio.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
#include <ctype.h>
using namespace cv;
using namespace std;
static void help()
{
// print a welcome message, and the OpenCV version
cout << "\nThis is a demo of Lukas-Kanade optical flow lkdemo(),\n"
"Using OpenCV version " << CV_VERSION << endl;
cout << "\nIt uses camera by default, but you can provide a path to video as an argument.\n";
cout << "\nHot keys: \n"
"\tESC - quit the program\n"
"\tr - auto-initialize tracking\n"
"\tc - delete all the points\n"
"\tn - switch the \"night\" mode on/off\n"
"To add/remove a feature point click it\n" << endl;
}
Point2f point;
bool addRemovePt = false;
static void onMouse( int event, int x, int y, int /*flags*/, void* /*param*/ )
{
if( event == EVENT_LBUTTONDOWN )
{
point = Point2f((float)x, (float)y);
addRemovePt = true;
}
}
int main( int argc, char** argv )
{
VideoCapture cap;
TermCriteria termcrit(TermCriteria::COUNT|TermCriteria::EPS,20,0.03);
Size subPixWinSize(10,10), winSize(31,31);
const int MAX_COUNT = 500;
bool needToInit = false;
bool nightMode = false;
help();
cv::CommandLineParser parser(argc, argv, "{@input|0|}");
string input = parser.get<string>("@input");
if( input.size() == 1 && isdigit(input[0]) )
cap.open(input[0] - '0');
else
cap.open(input);
if( !cap.isOpened() )
{
cout << "Could not initialize capturing...\n";
return 0;
}
namedWindow( "LK Demo", 1 );
setMouseCallback( "LK Demo", onMouse, 0 );
Mat gray, prevGray, image, frame;
vector<Point2f> points[2];
for(;;)
{
cap >> frame;
if( frame.empty() )
break;
frame.copyTo(image);
cvtColor(image, gray, COLOR_BGR2GRAY);
if( nightMode )
image = Scalar::all(0);
if( needToInit )
{
// automatic initialization
goodFeaturesToTrack(gray, points[1], MAX_COUNT, 0.01, 10, Mat(), 3, 0, 0.04);
cornerSubPix(gray, points[1], subPixWinSize, Size(-1,-1), termcrit);
addRemovePt = false;
}
else if( !points[0].empty() )
{
vector<uchar> status;
vector<float> err;
if(prevGray.empty())
gray.copyTo(prevGray);
calcOpticalFlowPyrLK(prevGray, gray, points[0], points[1], status, err, winSize,
3, termcrit, 0, 0.001);
size_t i, k;
for( i = k = 0; i < points[1].size(); i++ )
{
if( addRemovePt )
{
if( norm(point - points[1][i]) <= 5 )
{
addRemovePt = false;
continue;
}
}
if( !status[i] )
continue;
points[1][k++] = points[1][i];
circle( image, points[1][i], 3, Scalar(0,255,0), -1, 8);
}
points[1].resize(k);
}
if( addRemovePt && points[1].size() < (size_t)MAX_COUNT )
{
vector<Point2f> tmp;
tmp.push_back(point);
cornerSubPix( gray, tmp, winSize, Size(-1,-1), termcrit);
points[1].push_back(tmp[0]);
addRemovePt = false;
}
needToInit = false;
imshow("LK Demo", image);
char c = (char)waitKey(10);
if( c == 27 )
break;
switch( c )
{
case 'r':
needToInit = true;
break;
case 'c':
points[0].clear();
points[1].clear();
break;
case 'n':
nightMode = !nightMode;
break;
}
std::swap(points[1], points[0]);
cv::swap(prevGray, gray);
}
return 0;
}
【OpenCV笔记】光流法之金字塔Lucas-Kanade相关推荐
- OpenCV 使用光流法检测物体运动
OpenCV 可以使用光流法检测物体运动,贴上代码以及效果. // opticalflow.cpp : 定义控制台应用程序的入口点. //#include "stdafx.h"// ...
- python笛卡尔转换极坐标_[4] opencv: pythonDIS光流法与笛卡尔坐标转为极坐标
[4] opencv: pythonDIS光流法与笛卡尔坐标转为极坐标 [4] opencv: pythonDIS光流法与笛卡尔坐标转为极坐标 目录1, 笛卡尔转为极坐标 2, DIS光流算法 1, ...
- python opencv入门 光流法(41)
内容来自OpenCV-Python Tutorials 自己翻译整理 目标: 了解光流的概念,使用lucas-kanade估算方法 使用cv2.calcOpticalFlowPyrLK() 方法来追踪 ...
- OpenCV之光流法运动目标跟踪
[光流Optical Flow]的概念是Gibson在1950年首先提出来的.它是空间运动物体在观察成像平面上的像素运动的瞬时速度,是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一 ...
- opencv c++ 光流法、稀疏光流法、稠密光流法、均值迁移追踪(meanshift、camshift)
1.概念 参考: (70条消息) 什么是光流法_张年糕慢慢走的博客-CSDN博客_光流法 (70条消息) 计算机视觉--光流法(optical flow)简介_T-Jhon的博客-CSDN博客_光流法 ...
- 光流的计算(Lucas–Kanade method)
Lucas-Kanade 方法假设光流在一个较小的局部区域内是保持不变的,然后采用最小二乘的方法来计算每一个点的光流. 对于每一个像素点,其光流(速度)可以这样表示: 对于这个表示,我们可以这样理解: ...
- Python与OpenCV(三)——基于光流法的运动目标检测程序分析
光流的概念是指在连续的两帧图像当中,由于图像中的物体移动或者摄像头的移动而使得图像中的目标形成的矢量运动轨迹叫做光流.本质上光流是个向量场,表示了一个像素点从第一帧过渡到第二帧的运动过程,体现该像素点 ...
- LK金字塔光流法与简单实现
LK金字塔光流法与简单实现 闲谈时刻 介绍 Lucas–Kanade光流算法 L-K 金字塔光流算法 算法原理 建立金字塔 金字塔迭代 迭代过程 算法流程 算法实现 总结 参考资料 闲谈时刻 不务正业 ...
- opencv 稀疏光流 稠密光流
opencv 稀疏光流 稠密光流 demo: http://download.csdn.net/detail/keen_zuxwang/9860696 参看.学习文档: OpenCV学习笔记(七)Lu ...
- opencv对光流法的实现(python3)
@TOC 一.光流法的数学原理 参考 https://blog.csdn.net/qq_41368247/article/details/82562165 二.准备 opencv安装 ffmpeg安装 ...
最新文章
- python image stiching_Python自然语言处理,词云图生成
- 再见Python!Yann LeCun警告:深度学习需要新编程语言
- [读书笔记]C#学习笔记七: C#4.0中微小改动-可选参数,泛型的可变性
- 左神算法基础班4_4_3在二叉树中找到一个节点的后继节点
- 工作与生活平衡(2)运动也需要执行力
- vue点击input框出现弹窗_vue组件实现弹出框点击显示隐藏效果
- (二)ngxin设置用户认证
- 高级软件工程第六次作业:东理三剑客团队作业-3
- 如何将HTML与win10桌面壁纸,如何在Windows 10中将页面设置为桌面背景 | MOS86
- python合并excel工作簿_ExcelPython合并处理Excel工作簿、工作表
- 断点回归matlab,【独家发布】差分断点回归设计(DIRD)及其在人口断点中的应用...
- cmos逻辑门传输延迟时间_Verilog设计与逻辑综合实例解析(低功耗)
- 电脑微信聊天记录删除后如何找回?三个简单方法
- 苹果手机功能大全介绍_苹果手机功能大全,这些你都知道吗?
- 【SpringBoot】SpringBoot 整合 MyBatis
- 浪潮5280m4导轨安装_浪潮英信服务器NF5280M4用户手册V10.pdf
- 中国科学院大学 张云华老师 现代雷达系统课件
- ROS之URDF模型
- halcon 区域 inner_circle smallest_circle
- 干货集锦 | Github上的AR、VR开发资源库
热门文章
- QGC 谷歌中国地图 火星坐标系 转换
- 聚石塔RDS数据备份与迁移
- 【转载】数据中心网络架构浅谈
- Xcode8快速注释插件无法使用
- 如何在linux系统下的抓包文件保存在u盘里,在xp系统中打开,【Linux】Wireshark在Linux系统下的安装及使用...
- HDU - 3966 树链刨分
- 洛谷P2386放苹果
- 王之泰201771010131《面向对象程序设计(java)》第十周学习总结
- C++:实现量化基础互换利率basis swap rate helpers测试实例
- android popWindow组件微信式实现(较完整版)