15 OpenCV4图像处理与视频(51.光流分析-光流法原理-52.光流法-代码演示--53.稀疏光流分析-绘制跟踪-54.稠密光流法-55基于均值迁移的视频分析-56.自适应均均值迁移与课程总结-

15 OpenCV4图像处理与视频分析实战(51.光流分析-光流法原理-52.光流法-代码演示--53.稀疏光流分析-绘制跟踪-54.光流分析之稠密光流法-55基于均值迁移的视频分析-56.自适应均值迁移与课程总结-)


来自网易云课堂

一,51.光流分析-光流法原理-

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

二,52.光流法-代码演示-

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三,53.稀疏光流分析-绘制跟踪-

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四,54.光流分析之稠密光流法-

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

五,55基于均值迁移的视频分析-

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

六,56.自适应均值迁移与课程总结-

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用OpenCV实现Lucas-Kanade光流算法处理视频代码示例: ```python import cv2 import numpy as np # Parameters for Lucas-Kanade optical flow lk_params = dict(winSize=(15, 15), maxLevel=2, criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03)) # Capture video from camera cap = cv2.VideoCapture(0) # Take first frame and convert to grayscale ret, old_frame = cap.read() old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY) # Create a mask image for drawing purposes mask = np.zeros_like(old_frame) while True: # Read new frame ret, frame = cap.read() # Convert to grayscale frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # Calculate optical flow using Lucas-Kanade algorithm p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params) # Select good points good_new = p1[st == 1] good_old = p0[st == 1] # Draw the tracks for i, (new, old) in enumerate(zip(good_new, good_old)): a, b = new.ravel() c, d = old.ravel() mask = cv2.line(mask, (a, b), (c, d), (0, 255, 0), 2) frame = cv2.circle(frame, (a, b), 5, (0, 0, 255), -1) img = cv2.add(frame, mask) # Display the resulting frame cv2.imshow('frame', img) # Exit if ESC key is pressed k = cv2.waitKey(30) & 0xff if k == 27: break # Update previous frame and points old_gray = frame_gray.copy() p0 = good_new.reshape(-1, 1, 2) # Release video capture and close all windows cap.release() cv2.destroyAllWindows() ``` 在此示例中,我们首先为Lucas-Kanade算法设置了一些参数,如窗口大小、最大金字塔级别和停止准则。然后,我们从摄像头捕获视频流,并将第一帧转换为灰度图像。我们还创建了一个掩码图像,用于绘制光流轨迹。在循环中,我们读取新帧并将其转换为灰度图像。然后,我们使用Lucas-Kanade算法计算光流,并选择好的点。最后,我们在帧上绘制光流轨迹,并将其与掩码图像合并以显示结果。如果按下ESC键,循环将终止并释放视频捕获。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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