C++ OpenCV视频操作之稠密光流对象跟踪

最新推荐文章于 2023-04-21 15:31:08 发布
最新推荐文章于 2023-04-21 15:31:08 发布
阅读量587 收藏 3
点赞数
文章标签： 计算机视觉 opencv python 人工智能 编程语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Vaccae/article/details/111595849
版权

前言

我们在学习完稀疏光流跟踪完后，我们再学习一下稠密光流对象跟踪，稠密光流算法（即图像上所有像素点的光流都计算出来），由于要计算图像上所有点的光流，故计算耗时，速度慢。一般来说我们在平时应用上可能会用到的比较少，在这里我们就简单讲解一下。

视频效果

看过稀疏光流的视频的人，再对比上面的视频可以看出来明显稠密光流跟踪的速度要慢不少，视频的播放都看出卡顿的感觉。

函数API

void cv::calcOpticalFlowFarneback( InputArray _prev0, InputArray _next0, OutputArray _flow0, double pyr_scale, int levels, int winsize, int iterations, int poly_n, double poly_sigma, int flags )
参数说明如下：

InputArray ：输入前一帧图像

InputArray ：输入后一帧图像

OutputArray ：输出的光流

double：金字塔上下两层之间的尺度关系 

int ：金字塔层数 

int：均值窗口大小，越大越能denoise并且能够检测快速移动目标，但会引起模糊运动区域

int：迭代次数 

int：像素领域大小，一般为5，7等

double：高斯标注差，一般为1-1.5

int：计算方法。主要包括OPTFLOW_USE_INITIAL_FLOW和OPTFLOW_FARNEBACK_GAUSSIAN

代码实现

我们再新建一个项目名为opencv--video4，按照配置属性(VS2017配置OpenCV通用属性),然后在源文件写入#include和main方法

先在外层读取第一帧图像

读取图像并时行稠密光流计算，下图红框内就是用到了我们的API，明显可以看出来这里比稀疏光流要简单些，因为不用再先获取特征点进行对比了，下面的蓝色框就是我们绘制结果的函数

代码结尾

绘制结果的函数

这样整个就完成了，文章开头的视频就是我们运行起来的效果，下面是视频中的截图

-END-

Vaccae的往期经典

OpenCV

《C++ OpenCV案例实战---卡号获取》

《C++ OpenCV案例实战---卡片截取（附代码）》

《C++ OpenCV透视变换---切换手机正面图片》

《C++ OpenCV实战---获取数量》

《C++ OpenCV实战---利用颜色分割获取数量》

Android

《Android利用SurfaceView结合科大讯飞修改语音实别UI》

《Android关于语音识别的功能实现分析（一）---结构化思维》

《Android关于语音识别的功能实现分析（二）---语义解析》

《Android根据类生成签名字符串》

《Android碎片化布局fragment的实战应用》

.Net C#

《C#自定义特性(Attribute)讲解与实际应用》

《C#根据类生成签名字符串（附DEMO下载地址）》

数据库及其它

《Oracel存储过程写报表实战》

《Delphi轮播视频和图片程序（用于双屏显示程序）》

《SQL随机增加销售数据的脚本编写（附脚本下载地址）》

长按下方二维码关注微卡智享

Vaccae
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
【OpenCv光流法进行运动目标检测】
weixin_47869094的博客
10-13 2305
随着计算机视觉技术的迅猛发展，运动目标检测在图像处理领域中扮演着至关重要的角色。在现实世界中，我们常常需要追踪视频中的运动目标，例如交通摄像头中的车辆、安防监控中的行人，甚至是自动驾驶领域中的车辆和行人。为了实现高效准确的运动目标检测，研究者们提出了各种各样的方法。在众多运动目标检测方法中，光流法（Optical Flow）是一种经典且有效的技术。光流法通过追踪图像中像素点的运动轨迹，可以帮助我们实时了解运动目标的位置和速度信息。它不仅在实时性上具有优势，还在处理各种环境和运动类型下都表现出色。
【基于STM32&OpenCV的车载机器人的抓取控制软件设计】
最新发布
qq_40009517的博客
10-05 2582
本设计是一款基于STM32的车载机器人的抓取控制软件设计，以STM32F103RCT6作为主控芯片。STM32F103RCT6单片机为32位单片机，该单片机具有功能强大、低功耗、灵活易用、抗干扰能力强等特点。主要研究将OpenCV（开源计算机视觉库）与车载机器人硬件相互结合实现图像识别与物体搬运，在机械控制方面，利用PID算法处理带编码器直流减速电机的速度，在图像处理方面，结合OpenCV的CAMShift做对象检测标定与跟踪，并且利用OpenWRT路由器做PC与车载机器人的WiFi通讯媒介，首先在机器人端
OpenCV视频分析与对象跟踪C++（二）光流对象跟踪-稀疏光流、稠密光流
法兰西流浪者博客
08-17 2686
移动对象跟踪三要素：图像表示（跟踪的对象要在图像中出现）外光模型，移动模型。 稀疏光流跟踪，KTL void calcOpticalFlowPyrLK( // 稀疏光流跟踪，KLT InputArray prevImg, // 要跟踪的图像，8bit InputArray nextImg, // 在目标图像跟跟踪 prevImg 上的 prevPts 特征点 InputArray pre...
Farneback稠密光流算法 跟踪目标
weixin_45824067的博客
04-21 562
前面介绍的LK稀疏光流追踪算法，是基于Shi-tomas角点检测来实现的，只需要每个特征角点的邻域空间窗口的局部信息 来实现光流跟踪。这种基于局部点的光流更总方法运行速度快，但是跟踪效果较为一般。Farneback稠密光流算法则是基于前后两帧图像中所有像素点的移动估算算法，通过前后两帧图像所有像素点的位移矢量来实现光流跟踪。效果比稀疏光流算法要好，但速度更慢，如果没有经过特殊优化不适合用于实时处理。
opencv c++摄像头光流_（三十九）稠密光流----Farneback
weixin_39750854的博客
12-20 695
时间为友，记录点滴。我们在洋洋洒洒介绍过KLT时，有提到：在光流方程中，有两个未知数，一个方程，两个未知数，初中生都知道是没办法求解的。但是这可难不倒Bruce D. Lucas 和Takeo Kanade，他们提出来稀疏光流跟踪算法。其实有个概念隐含在原理中，为什么称KLT为稀疏光流跟踪算法？这一切都可以从稀疏矩阵说起。什么是稀疏矩阵？在矩阵中，若数值为0的元素数目远远多于非0元素的数目，并且非...
稠密特征的光流opencv3.2+VS
hanchan94的专栏
04-20 4872
1.光流简单概述Optical flow or optic flow is the pattern of apparent motion of objects, surfaces, and edges in a visual scene caused by the relative motion between an observer and a scene. Sequences of order
Opencv光流运动物体追踪详解
08-28
主要为大家详细介绍了Opencv光流运动物体追踪的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
计算机视觉算法库OpenCV4.5.3+OpenCV_contrib 4.5.3资料精讲
CoolGavin007的博客
12-15 6016
OpenCV4.5.3及OpenCV_contrib 4.5.3 前段时间有个实习生来这边实习，已经申请到卡耐基梅隆大学 机器人专业的博士生，主攻机器视觉。本着负责的态度，从头到尾讲述了伟大的开源且跨平台的计算机视觉库OpenCV，谨以此记录工作点滴。 以下： 安装环境：VS2017 64位 + OpenCV4.53 + OpenCV_contrib 4.5.3 OpenCV ：https://github.com/opencv/opencv OpenCV_contrib ：https:/...
opencv-python 函数总览
周大侠的博客
05-25 862
函数名 函数Chapter one：图片读入图像 cv2.imread(filename[, flags]) → retval 显示图像 cv2.imshow(winname, mat) → None cv2.waitKey([delay]) → retval 创建窗口 cv2.namedWindow(winname[, flags]) → None 摧毁窗口 cv2.destroyWindow(...
OpenCV之光流法跟踪运动目标
热门推荐
计算机小白
10-16 2万+
OpenCV之光流法运动目标跟踪目录 OpenCV之光流法运动目标跟踪 目录 光流计算方法 大致可分为三类基于匹配的方法频域的方法和梯度的方法 基于匹配的光流计算方法包括基于特征和基于区域两种2 基于频域的方法也称为基于能量的方法利用速度可调的滤波组输出频率或相位信息3 基于梯度的方法利用图像序列亮度的时空微分计算2D速度场光流 当前对于光流法的研究主要有两个方向 函数详解CalcOpticalFl
稠密光流L-K算法
04-27
opencv中关于稠密光流L-K算法，调用Opencv库函数时可以参考进行编译
光流法opencv实现
07-14
基于opencv的光流法，实现目标的运动检测，修改自其它下载资源，只需该视频文件地址，即可直接运行，注意视频格式和大小
实时视频跟踪源码
03-01
C++实现的实时视频跟踪源码，学习图像处理时查找的资料，拿出来分享
calcOpticalFlowFarneback稠密光流法并用孟塞尔颜色系统显示
01-30
用calcOpticalFlowFarneback来计算稠密光流并且用孟塞尔颜色系统来显示。经调试可用。
opencv读取视频 并用光流法处理
10-23
用opencv读取视频帧，解压并返回这一帧 然后进行光流法处理
OpenCV2编程手册笔记之 10.5应用光流法跟踪视频中的特征点
Coulson_Zhao的博客
10-13 622
这次，我们用举例的方法来了解一下视频处理，我们采用上一篇博客中用到的代码，使用类继承来减少代码量     这次的目标是跟踪移动物体，我们先创建一个FeatureTrack类，它继承自VideoProcess类     在看这个类之前，我们先介绍几个函数     首先是calcOpticalFlowPyrLK，这个函数的作用原理是光流法，它输入的点（第三个参数）是图像2中的角点坐标，它将会对输
opencv c++ 光流法、稀疏光流法、稠密光流法、均值迁移追踪（meanshift、camshift）
lucust的博客
12-08 3178
当迭代10次不需要计算，两次的计算结果差小于0.01也不需要计算。
opencv实现简单光流跟踪
so
01-12 1349
#include "highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/video/tracking.hpp" #include using namespace cv; using namespace std; Mat image1, image2; vector point1,
在c#窗体文件中用picturebox如何实现视频的稠密光流法跟踪，即在picturebox中播放视频，在视频中有稠密光流法跟踪（步骤包含所用控件名称，如何得到该控件，代码实现视频的稠密光流法跟踪），所用CalcOpticalFlowFarneback方法只有10个参数，用的是opencv中的知识点
05-26
实现视频的稠密光流法跟踪需要以下步骤： 1. 创建一个PictureBox控件来显示视频帧。 2. 导入OpenCV库。 3. 打开视频文件，使用VideoCapture类来读取每一帧。 4. 对每一帧应用稠密光流法跟踪算法，使用CalcOpticalFlowFarneback方法来计算光流向量。 5. 为了可视化光流向量，可以在每一帧上绘制箭头来表示光流方向和大小。 6. 将处理后的帧显示在PictureBox控件中。 以下是实现视频的稠密光流法跟踪的C#代码示例： ```csharp using System; using System.Drawing; using System.Windows.Forms; using OpenCvSharp; namespace DenseOpticalFlowDemo { public partial class Form1 : Form { private VideoCapture _capture; private Mat _previousFrame; private Mat _currentFrame; private Mat _outputFrame; public Form1() { InitializeComponent(); } private void Form1_Load(object sender, EventArgs e) { // 打开视频文件 _capture = new VideoCapture("test.mp4"); if (!_capture.IsOpened()) { MessageBox.Show("Failed to open video file!"); Close(); return; } // 读取第一帧并转换为灰度图像 _capture.Read(_previousFrame); Cv2.CvtColor(_previousFrame, _previousFrame, ColorConversionCodes.BGR2GRAY); // 创建输出帧 _outputFrame = new Mat(_previousFrame.Rows, _previousFrame.Cols, MatType.CV_8UC3); } private void timer1_Tick(object sender, EventArgs e) { // 读取下一帧并转换为灰度图像 _capture.Read(_currentFrame); Cv2.CvtColor(_currentFrame, _currentFrame, ColorConversionCodes.BGR2GRAY); // 计算稠密光流向量 var flow = new Mat(); Cv2.CalcOpticalFlowFarneback(_previousFrame, _currentFrame, flow, 0.5, 3, 15, 3, 5, 1.2, 0); // 可视化光流向量 for (int y = 0; y < _outputFrame.Rows; y += 10) { for (int x = 0; x < _outputFrame.Cols; x += 10) { var flowVec = flow.At<Point2f>(y, x); Cv2.Line(_outputFrame, new Point(x, y), new Point((int)(x + flowVec.X), (int)(y + flowVec.Y)), Scalar.Red, 2); Cv2.Circle(_outputFrame, new Point(x, y), 2, Scalar.Blue, 2); } } // 将处理后的帧显示在PictureBox中 pictureBox1.Image = BitmapConverter.ToBitmap(_outputFrame); // 更新上一帧为当前帧 _previousFrame = _currentFrame.Clone(); } } } ``` 在上述代码中，我们使用了一个Windows Forms应用程序，其中包含一个PictureBox控件和一个计时器控件。在窗体加载时，我们打开视频文件并读取第一帧作为上一帧，以便在下一次计时器事件时使用。在计时器事件中，我们读取下一帧并计算稠密光流向量，然后在每个像素位置绘制箭头来表示光流方向和大小。最后，我们将处理后的帧显示在PictureBox控件中，更新上一帧为当前帧。 请注意，稠密光流法跟踪是一项计算密集型任务，可能需要较长时间才能处理完整个视频。为了避免在UI线程上进行长时间计算，建议将计算过程放在单独的线程中执行，并使用Invoke方法在UI线程上更新PictureBox控件。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Vaccae

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值