光流法用于车辆运动检测

该段代码查找自opencv中文网站，可能有益与我正在做的毕业设计，故将它转入到我的博客中，以便日后查询

#include "StdAfx.h"
/************************************************************************
* Copyright(c) 2011  Yang Xian
* All rights reserved.
*
* File:        opticalFlow.cpp
* Brief: lk光流法做运动目标检测
* Version: 1.0
* Author: Yang Xian
* Email: xyang2011@sinano.ac.cn
* Date:        2011/11/18
* History:
************************************************************************/
#include <opencv2/video/video.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>


#include <iostream>
#include <cstdio>


using namespace std;
using namespace cv;


void tracking(Mat &frame, Mat &output);
bool addNewPoints();
bool acceptTrackedPoint(int i);


string window_name = "optical flow tracking";
Mat gray;        // 当前图片
Mat gray_prev;        // 预测图片
vector<Point2f> points[2];        // point0为特征点的原来位置，point1为特征点的新位置
vector<Point2f> initial;        // 初始化跟踪点的位置
vector<Point2f> features;        // 检测的特征
int maxCount = 500;        // 检测的最大特征数
double qLevel = 0.01;        // 特征检测的等级
double minDist = 10.0;        // 两特征点之间的最小距离
vector<uchar> status;        // 跟踪特征的状态，特征的流发现为1，否则为0
vector<float> err;


int main()
{
        Mat frame;
        Mat result;


//         CvCapture* capture = cvCaptureFromCAM( -1 );        // 摄像头读取文件开关
        VideoCapture capture("d://测试/input.avi");


        if(capture.isOpened()/*capture*/)        // 摄像头读取文件开关
        {
                while(true)
                {
//                         frame = cvQueryFrame( capture );        // 摄像头读取文件开关
                        capture >> frame;


                        if(!frame.empty())
                        { 
                                tracking(frame, result);
                        }
                        else
                        { 
                                printf(" --(!) No captured frame -- Break!");
                                break;
                        }


                        int c = waitKey(100);
                        if( (char)c == 27 )
                        {
                                break; 
                        } 
                }
        }
        return 0;
}


//
// function: tracking
// brief: 跟踪
// parameter: frame        输入的视频帧
//                          output 有跟踪结果的视频帧
// return: void
//
void tracking(Mat &frame, Mat &output)
{
        cvtColor(frame, gray, CV_BGR2GRAY);
        frame.copyTo(output);
        // 添加特征点
        if (addNewPoints())
        {
                goodFeaturesToTrack(gray, features, maxCount, qLevel, minDist);
                points[0].insert(points[0].end(), features.begin(), features.end());
                initial.insert(initial.end(), features.begin(), features.end());
        }


        if (gray_prev.empty())
        {
                gray.copyTo(gray_prev);
        }
        // l-k光流法运动估计
        calcOpticalFlowPyrLK(gray_prev, gray, points[0], points[1], status, err);
        // 去掉一些不好的特征点
        int k = 0;
        for (size_t i=0; i<points[1].size(); i++)
        {
                if (acceptTrackedPoint(i))
                {
                        initial[k] = initial[i];
                        points[1][k++] = points[1][i];
                }
        }
        points[1].resize(k);
        initial.resize(k);
        // 显示特征点和运动轨迹
        for (size_t i=0; i<points[1].size(); i++)
        {
                line(output, initial[i], points[1][i], Scalar(0, 0, 255));
                circle(output, points[1][i], 3, Scalar(255, 0, 0), -1);
        }


        // 把当前跟踪结果作为下一此参考
        swap(points[1], points[0]);
        swap(gray_prev, gray);


        imshow(window_name, output);
}


//
// function: addNewPoints
// brief: 检测新点是否应该被添加
// parameter:
// return: 是否被添加标志
//
bool addNewPoints()
{
        return points[0].size() <= 10;
}


//
// function: acceptTrackedPoint
// brief: 决定哪些跟踪点被接受
// parameter:
// return:
//
bool acceptTrackedPoint(int i)
{
        return  ((abs(points[0][i].x - points[1][i].x) + abs(points[0][i].y - points[1][i].y)) > 2);
}