介紹

光流是由物體或照相機的運動引起的兩個連續(xù)幀之間圖像物體視在運動的模式。它是2D向量場，其中每個向量都是位移向量，顯示點從第一幀到第二幀的運動。

光流在以下領(lǐng)域有許多應(yīng)用：

• 運動結(jié)構(gòu)
• 視頻壓縮
• 視頻穩(wěn)定

光流的工作基于以下幾個假設(shè)：

• 物體的像素強度在連續(xù)的幀之間不改變。
• 相鄰像素具有相似的運動。

實現(xiàn)

在OpenCV中實現(xiàn)光流的步驟

1 查找一些關(guān)鍵點

在例子中我們用goodFeaturesToTrack函數(shù)來查找關(guān)鍵點。函數(shù)原型：

void cv::goodFeaturesToTrack( InputArray _image, OutputArray _corners,
                              int maxCorners, double qualityLevel, double minDistance,
                              InputArray _mask, int blockSize,
                              bool useHarrisDetector, double harrisK )

2 迭代跟蹤這些點

例子中用calcOpticalFlowPyrLK來計算光流。函數(shù)原型：

void cv::calcOpticalFlowPyrLK( InputArray _prevImg, InputArray _nextImg,
                               InputArray _prevPts, InputOutputArray _nextPts,
                               OutputArray _status, OutputArray _err,
                               Size winSize, int maxLevel,
                               TermCriteria criteria,
                               int flags, double minEigThreshold )

根據(jù)我的理解，在當前幀查找一些關(guān)鍵點，然后根據(jù)這些關(guān)鍵點，在下一幀進行匹配，得到這些點在下一幀的位置。這樣就得到了了一組向量，表示了當前幀和下一幀之前點的移動，也就實現(xiàn)了對一些物體的跟蹤。

官方例子

#include 
#include 
#include 
#include 
#include 
#include 


using namespace cv;
using namespace std;


int main(int argc, char **argv)
{
    const string about =
        "This sample demonstrates Lucas-Kanade Optical Flow calculation.\\n"
        "The example file can be downloaded from:\\n"
        "  https://www.bogotobogo.com/python/OpenCV_Python/images/mean_shift_tracking/slow_traffic_small.mp4";
    const string keys =
        "{ h help |      | print this help message }"
        "{ @image | vtest.avi | path to image file }";
    CommandLineParser parser(argc, argv, keys);
    parser.about(about);
    if (parser.has("help"))
    {
        parser.printMessage();
        return 0;
    }
    string filename = samples::findFile(parser.get

運行結(jié)果截圖

審核編輯：劉清