opencv视频分析之光流

最新推荐文章于 2024-08-14 19:43:34 发布

SuperWiwi

最新推荐文章于 2024-08-14 19:43:34 发布

阅读量718

点赞数

分类专栏：计算机视觉

本文链接：https://blog.csdn.net/qq_36622009/article/details/104779127

版权

光流是指图像中由于物体或相机移动导致的像素在连续帧间的移动。Lucas-Kanade法用于计算稀疏光流，适用于小运动，通过图像金字塔处理大运动。OpenCV提供了cv2.calcOpticalFlowPyrLK()和cv2.calcOpticalFlowFarneback()分别用于稀疏和稠密光流的计算，后者能获取图像中所有点的光流。在实际应用中，要确保稳定跟踪，需要定期检测特征点并进行反向检测。

摘要由CSDN通过智能技术生成

文章目录

1.原理

由于目标对象或者摄像机的移动，造成的图像对象在连续两帧图像中的移动被称为光流。它是一个2D 向量场，可以用来显示一个点从第一帧图像到第二帧图像之间的移动。

上图显示了一个点在连续的五帧图像间的移动。箭头表示光流场向量。光流在很多领域中都很有用：运动重建结构、视频压缩、Video Stabilization 等。
光流是基于以下假设的：1. 在连续的两帧图像之间（目标对象的）像素的灰度值不改变。2. 相邻的像素具有相同的运动。

2.Lucas-Kanade 法

利用一个3x3 邻域中的9 个点具有相同运动的这一点，找到这9 个点的光流方程，用它们组成一个具有两个未知数9 个等式的方程组。
从使用者的角度来看，我们去跟踪一些点，然后就会获得这些点的光流向量。但我们处理的都是很小的运动。如果有大的运动怎么办呢？我们可以使用图像金字塔的顶层。此时小的运动被移除，大的运动装换成了小的运动，再使用Lucas-Kanade算法，我们就会得到尺度空间上的光流。

代码速记：

cv2.goodFeaturesToTrack()
cv2.calcOpticalFlowPyrLK()

实战：

def lucas(self):
    cap = cv2.VideoCapture('../images/slow.flv')
    #ShiTomasi角点检测所需参数
    feature_params = dict(maxCorners=100,
                          qualityLevel=0.3,
                          minDistance=7,
                          blockSize=7)
    #lucas kanade光流所需参数
    # maxLevel 为使用的图像金字塔层数
    lk_params = dict(winSize=(15, 15),
                     maxLevel=2,
                     criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))
    #随机颜色
    color = np.random.randint(0, 255, (100, 3))
    #【1】读取第一帧，并进行角点检测，确定要跟踪的点
    ret, old_frame = cap.read