稀疏光流跟蹤(KLT)詳解

在視頻移動對象跟蹤中，稀疏光流跟蹤是一種經典的對象跟蹤算法，可以繪制運動對象的跟蹤軌跡與運行方向，是一種簡單、實時高效的跟蹤算法，這個算法最早是有Bruce D. Lucas and Takeo Kanade兩位作者提出來的，所以又被稱為KLT。KLT算法工作有三個假設前提條件：

亮度恒定

短距離移動

空間一致性

亮度恒定

對象中任意像素點p(x,y)亮度值，在t-1時候的值，在t時刻移動(u, v)之后亮度值保持不變

空間一致性

假設對像素點p(x, y)來說，周圍的像素點都保持相同的移動距離(u, v) 假設窗口大小為5x5，則對于25個窗口內的像素點來說，就會如下等式成立：

得到下面的過約束等式，根據最小二乘可以求解(u, v)：

這樣我們就得到了KLT光流等式與該窗口的的Hessian矩陣

空間尺度不變性

通過建立每一幀的圖像金字塔，實現尺度空間窗口目標對象搜索

OpenCV中KLT演示代碼實現

OpenCV中KLT算法API及其參數解釋如下：

voidcv::calcOpticalFlowPyrLK(
InputArrayprevImg,//前一幀圖像
InputArraynextImg,//后一幀圖像
InputArrayprevPts,//前一幀的稀疏光流點
InputOutputArraynextPts,//后一幀光流點
OutputArraystatus,//輸出狀態(tài)，1表示正常該點保留，否則丟棄
OutputArrayerr,//表示錯誤
SizewinSize=Size(21,21),//光流法對象窗口大小
intmaxLevel=3,//金字塔層數，0表示只檢測當前圖像，不構建金字塔圖像
TermCriteriacriteria=TermCriteria(TermCriteria::EPS,30,0.01),//窗口搜索時候停止條件
intflags=0,//操作標志
doubleminEigThreshold=1e-4//最小特征值響應，低于最小值不做處理
)

特征點檢測與繪制的代碼實現如下：

//detectfirstframeandfindcornersinit
Matold_frame,old_gray;
capture.read(old_frame);
cvtColor(old_frame,old_gray,COLOR_BGR2GRAY);
goodFeaturesToTrack(old_gray,featurePoints,maxCorners,qualityLevel,minDistance,Mat(),blockSize,useHarrisDetector,k);

特征點繪制

voiddraw_goodFeatures(Mat&image,vectorgoodFeatures){
for(size_tt=0;t

	

	KLT跟蹤代碼如下

	
TermCriteriacriteria=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS,30,0.01);
doublederivlambda=0.5;
intflags=0;

boolret=capture.read(frame);
if(!ret)break;
imshow("frame",frame);
roi.x=0;
frame.copyTo(result(roi));
cvtColor(frame,gray,COLOR_BGR2GRAY);

//calculateopticalflow
calcOpticalFlowPyrLK(old_gray,gray,pts[0],pts[1],status,err,Size(31,31),3,criteria,derivlambda,flags);


	

	特征點狀態(tài)檢查與匹配的代碼如下

	
size_ti,k;
for(i=k=0;i2){
pts[0][k]=pts[0][i];
initPoints[k]=initPoints[i];
pts[1][k++]=pts[1][i];
circle(frame,pts[1][i],3,Scalar(0,255,0),-1,8);
}
}
//resize有用特征點
pts[1].resize(k);
pts[0].resize(k);
initPoints.resize(k);


	

	繪制跟蹤軌跡的代碼如下

	
//繪制跟蹤軌跡
draw_lines(frame,initPoints,pts[1]);


	

	該方法實現如下：

	
voiddraw_lines(Mat&image,vectorpt1,vectorpt2){
if(color_lut.size()

	

	運行效果：

	左側是視頻的原始每一幀、右側視頻是每一幀中KLT算法實時軌跡繪制

	車輛運行軌跡跟蹤

	

	


	審核編輯：劉清