利用光流法进行运动目标检测

//--------------------------------------【程序说明】-------------------------------------------
// 程序描述：来自OpenCV安装目录下Samples文件夹中的官方示例程序-利用光流法进行运动目标检测
// 测试所用操作系统： Windows 7 64bit
// 测试所用IDE版本：Visual Studio 2010
// 测试所用OpenCV版本： 3.0 beta
//------------------------------------------------------------------------------------------------

//QQ：1746430162

//http://bbs.21ic.com/icview-759778-1-1.html (项目展示链接)

//  本工作室是专业电子类设计开发团队，团队成员全为从事51\DSP\ ARM\fpga类嵌入式开发和图像处理、机器学习等相关算法研究多年的软、硬件开发工程师，已与全国几十家客户成功合作。 可以长期提供技术支持，承接各类相关项目开发与咨询服务。

//------------------------------------------------------------------------------------------------




/************************************************************************
* 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:
************************************************************************/




//---------------------------------【头文件、命名空间包含部分】----------------------------
// 描述：包含程序所使用的头文件和命名空间
//-------------------------------------------------------------------------------------------------
#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;










//-----------------------------------【全局函数声明】-----------------------------------------
// 描述：声明全局函数
//-------------------------------------------------------------------------------------------------
void tracking(Mat &frame, Mat &output);
bool addNewPoints();
bool acceptTrackedPoint(int i);


//-----------------------------------【全局变量声明】-----------------------------------------
// 描述：声明全局变量
//-------------------------------------------------------------------------------------------------
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;




//--------------------------------【help( )函数】----------------------------------------------
// 描述：输出帮助信息
//-------------------------------------------------------------------------------------------------
static void help()
{
//输出欢迎信息和OpenCV版本
cout <<"\n\n\t\t\t非常感谢购买《OpenCV3编程入门》一书！\n"
<<"\n\n\t\t\t此为本书OpenCV3版的第9个配套示例程序\n"
<< "\n\n\t\t\t   当前使用的OpenCV版本为：" << CV_VERSION 
<<"\n\n  ----------------------------------------------------------------------------" ;
}




//-----------------------------------【main( )函数】--------------------------------------------
// 描述：控制台应用程序的入口函数，我们的程序从这里开始
//-------------------------------------------------------------------------------------------------
int main()
{


Mat frame;
Mat result;


VideoCapture capture("1.avi");


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


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


int c = waitKey(50);
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)
{


//此句代码的OpenCV3版为：
cvtColor(frame, gray, COLOR_BGR2GRAY);
//此句代码的OpenCV2版为：
//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(0, 255, 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 status[i] && ((abs(points[0][i].x - points[1][i].x) + abs(points[0][i].y - points[1][i].y)) > 2);
}