光流金字塔
calcOpticalFlowPyrLK()函数参数说明：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
void calcOpticalFlowPyrLK(
InputArray prevImg, //第一个8位输入图像或者通过 buildOpticalFlowPyramid()建立的金字塔
InputArray nextImg,//第二个输入图像或者和prevImg相同尺寸和类型的金字塔
InputArray prevPts, //二维点向量存储找到的光流；点坐标必须是单精度浮点数
InputOutputArray nextPts,//输出二维点向量（用单精度浮点坐标）包括第二幅图像中计算的输入特征的新点位置；当OPTFLOW_USE_INITIAL_FLOW 标志通过，向量必须有和输入一样的尺寸。
OutputArray status, //输出状态向量（无符号char）；如果相应的流特征被发现，向量的每个元素被设置为1，否则，被置为0.
OutputArray err,//输出错误向量；向量的每个元素被设为相应特征的一个错误，误差测量的类型可以在flags参数中设置；如果流不被发现然后错误未被定义（使用status（状态）参数找到此情形）。
Size winSize = Size(21,21), //在每个金字塔水平搜寻窗口的尺寸。
int maxLevel = 3,//最大金字塔层数; 如果设置为0，则不使用金字塔（单层），如果设置为1，则使用两个层次，依此类推; 如果将金字塔传递给输入，则算法将使用与金字塔一样多的级别，但不超过maxLevel。
TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),//指定迭代搜索算法的终止标准（指定的最大迭代次数criteria.maxCount或搜索窗口移动小于criteria.epsilon）
int flags = 0, //操作标志
double minEigThreshold = 1e-4 //计算光流方程的2×2标准矩阵的最小特征值除以窗口中的像素数量;如果这个值小于minEigThreshold，那么一个相应的特征被过滤出来，且它的光流不被处理，所以它允许去除坏点提升性能。
);
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
|
#include<opencv2/opencv.hpp>
using namespace cv;
//光流跟踪
Mat frame, gray, pr_frame, pr_gray;
std::vector<Point2f> inPoints;
std::vector<Point2f> fpts[2];
void trackFeature();
int main()
{
VideoCapture capture;
capture.open(0);
if(!capture.isOpened())
{
printf("can not open the camear......\n");
return -1;
}
namedWindow("input", CV_WINDOW_AUTOSIZE);
namedWindow("output", CV_WINDOW_AUTOSIZE);
while (capture.read(frame))
{
cvtColor(frame, gray, COLOR_BGR2GRAY);
if (fpts[0].size() < 40)
{
imshow("input", frame);
std::vector<Point2f> features;
//角点检测
goodFeaturesToTrack(gray, features, 300, 0.01, 10);
fpts[0].insert(fpts[0].end(), features.begin(), features.end());
inPoints.insert(inPoints.end(), features.begin(), features.end());
}
else
printf("object tracking......\n");
if (pr_gray.empty())
gray.copyTo(pr_gray);
trackFeature();
for (int i = 0; i < fpts[0].size(); i++)
circle(frame, fpts[0][i], 2, Scalar(0,255,0),2,8,0);
gray.copyTo(pr_gray);
frame.copyTo(pr_frame);
imshow("output", frame);
waitKey(1);
}
waitKey(0);
capture.release();
return 0;
}
void trackFeature()
{
std::vector<uchar> status;
std::vector<float> errors;
//计算稀疏特征集的光流
calcOpticalFlowPyrLK(pr_gray, gray, fpts[0], fpts[1], status, errors);
int k = 0;
for (int i = 0; i < fpts[1].size(); i++)
{
double dist = abs(fpts[0][i].x-fpts[1][i].x) + abs(fpts[0][i].y-fpts[1][i].y);
if (dist > 2 && status[i])
{
inPoints[k] = inPoints[i];
fpts[1][k++] = fpts[1][i];
}
}
inPoints.resize(k);
fpts[1].resize(k);
//绘制光流轨迹
RNG rng(0);
for (int i = 0; i < fpts[0].size(); i++)
{
Scalar color = Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255));
line(frame, inPoints[i], fpts[1][i], color,2);
circle(frame, fpts[1][i], 2, Scalar(0,255,255),2);
}
std::swap(fpts[1], fpts[0]);
}
|
以上这篇opencv3/C++实现光流点追踪就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/akadiao/article/details/78893987