现在的位置: 首页 > 编程语言 > 正文

opencv3/C++实现光流点追踪

2020年02月13日 编程语言 ⁄ 共 2655字 ⁄ 字号 评论关闭

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我们。

本文标题: opencv3/C++实现光流点追踪

以上就上有关opencv3/C++实现光流点追踪的全部内容,学步园全面介绍编程技术、操作系统、数据库、web前端技术等内容。

抱歉!评论已关闭.