opencv3/C++实现光流点追踪

光流金字塔

calcOpticalFlowPyrLK()函数参数说明:

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。

);

#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。

以上是 opencv3/C++实现光流点追踪 的全部内容, 来源链接: utcz.com/p/244655.html

回到顶部