前言:
如今兄弟们对“opencv光流法追踪特定物体”大体比较珍视,兄弟们都想要学习一些“opencv光流法追踪特定物体”的相关内容。那么小编在网上搜集了一些关于“opencv光流法追踪特定物体””的相关内容,希望朋友们能喜欢,同学们快快来了解一下吧!1、概述
案例:使用稀疏光流实现对象跟踪
稀疏光流API介绍:
calcOpticalFlowPyrLK( InputArray prevImg, InputArray nextImg, InputArray prevPts, InputOutputArray nextPts, OutputArray status, OutputArray err, Size winSize = Size(21,21), int maxLevel = 3, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01), int flags = 0, double minEigThreshold = 1e-4 );prevImg:视频前一帧图像/金字塔,单通道CV_8UC1nextImg:视频后一帧图像/金字塔,单通道CV_8UC1preVPts:前一帧图像的特征向量(输入)需要找到流的2D点的矢量(vector of 2D points for which the flow needs to be found;);点坐标必须是单精度浮点数nextPts:后一帧图像的特征向量(输出),输出二维点的矢量(具有单精度浮点坐标),包含第二图像中输入特征的计算新位置;当传递OPTFLOW_USE_INITIAL_FLOW标志时,向量必须与输入中的大小相同。status:输出状态向量(无符号字符);如果找到相应特征的流,则向量的每个元素设置为1,否则设置为0err:输出错误的矢量; 向量的每个元素都设置为相应特征的错误,错误度量的类型可以在flags参数中设置; 如果未找到流,则未定义错误(使用status参数查找此类情况)winSize:每个金字塔等级的搜索窗口的winSize大小maxLevel:基于0的最大金字塔等级数;如果设置为0,则不使用金字塔(单级),如果设置为1,则使用两个级别,依此类推;如果将金字塔传递给输入,那么算法将使用与金字塔一样多的级别,但不超过maxLevelcriteria:停止条件,指定迭代搜索算法的终止条件(在指定的最大迭代次数criteria.maxCount之后或当搜索窗口移动小于criteria.epsilon时)。flags:操作标志,OPTFLOW_USE_INITIAL_FLOW使用初始估计,存储在nextPts中;如果未设置标志,则将prevPts复制到nextPts并将其视为初始估计。OPTFLOW_LK_GET_MIN_EIGENVALS使用最小特征值作为误差测量(参见minEigThreshold描述);如果没有设置标志,则将原稿周围的色块和移动点之间的L1距离除以窗口中的像素数,用作误差测量minEigThreshold:算法计算光流方程的2x2正常矩阵的最小特征值,除以窗口中的像素数;如果此值小于minEigThreshold,则过滤掉相应的功能并且不处理其流程,因此它允许删除坏点并获得性能提升
算法实现步骤:
1.实例化VideoCapture
2.循环读取视频数据
3.视频帧灰度转换
4.执行角点检测
5.保存角点检测的特征数据
6.初始化时如果检测到前一帧为空,把当前帧的灰度图像给前一帧
7.执行光流跟踪,并输出跟踪后的特征向量
8.遍历光流跟踪的输出特征向量,并得到距离和状态都符合预期的特征向量。让后将其重新填充到fpts[1]中备用
9.重置集合大小
10.绘制光流线
11.交换特征向量的输入和输出
12.将用于跟踪的角点绘制出来
13.展示最终的跟踪效果
14.循环3~13步骤
15.结束
2、代码示例
QT开发交流君羊:714620761
KLT_Object_Tracking::KLT_Object_Tracking(QWidget *parent) : MyGraphicsView{parent}{ isShowLine = false; this->setWindowTitle("KLT稀疏光流实现对象跟踪"); QPushButton *btn = new QPushButton(this); btn->setText("选择视频"); connect(btn,&QPushButton::clicked,[=](){ //选择视频 path = QFileDialog::getOpenFileName(this,"请选择视频","/Users/yangwei/Downloads/",tr("Image Files(*.mp4 *.avi)")); qDebug()<<"视频路径:"<<path; startKltTracking(path.toStdString().c_str()); }); // QButtonGroup * group = new QButtonGroup(this); QRadioButton * radioNo = new QRadioButton(this); radioNo->setText("否"); radioNo->setChecked(true); QRadioButton *radioYes = new QRadioButton(this); radioYes->setText("是"); group->addButton(radioNo,0); group->addButton(radioYes,1); radioNo->move(0,btn->y()+btn->height()+20); radioYes->move(radioNo->x()+radioNo->width()+20,btn->y()+btn->height()+20); connect(radioNo,&QRadioButton::clicked,[=](){ isShowLine = false;//显示光流线 }); connect(radioYes,&QRadioButton::clicked,[=](){ isShowLine = true;//不显示光流线 });}void KLT_Object_Tracking::startKltTracking(const char* filePath){ //【1】实例化VideoCapture并打开视频 VideoCapture capture;//实例化视频捕获器 capture.open(filePath);//打开视频文件(或摄像头) if(!capture.isOpened()){//检测文件是否打开,如果没打开直接退出 qDebug()<<"无法打开视频"; return; } Mat frame,gray; vector<Point2f> features;//检测出来的角点集合 vector<Point2f> inPoints;//这个主要是为了画线用的 vector<Point2f> fpts[2];//[0],存入的是是二维特征向量,[1]输出的二维特征向量 Mat pre_frame,pre_gray; vector<uchar> status;//光流输出状态 vector<float> err;//光流输出错误 //【2】循环读取视频 while(capture.read(frame)){//循环读取视频中每一帧的图像 //【3】将视频帧图像转为灰度图 cvtColor(frame,gray,COLOR_BGR2GRAY);//ps:角点检测输入要求单通道 //【4】如果特征向量(角点)小于40个我们就重新执行角点检测 if(fpts[0].size()<40){//如果小于40个角点就重新开始执行角点检测 //执行角点检测 goodFeaturesToTrack(gray,features,5000,0.01,10,Mat(),3,false,0.04); //【5】将检测到的角点放入fpts[0]中作为,光流跟踪的输入特征向量 //将检测到的角点插入vector fpts[0].insert(fpts[0].begin(),features.begin(),features.end()); inPoints.insert(inPoints.end(),features.begin(),features.end()); qDebug()<<"角点检测执行完成,角点个数为:"<<features.size(); }else{ qDebug()<<"正在跟踪..."; } //【6】初始化的时候如果检测到前一帧为空,这个把当前帧的灰度图像给前一帧 if(pre_gray.empty()){//如果前一帧为空就给前一帧赋值一次 gray.copyTo(pre_gray); } //执行光流跟踪 qDebug()<<"开始执行光流跟踪"; //【7】执行光流跟踪,并将输出的特征向量放入fpts[1]中 calcOpticalFlowPyrLK(pre_gray,gray,fpts[0],fpts[1],status,err); qDebug()<<"光流跟踪执行结束"; //【8】遍历光流跟踪的输出特征向量,并得到距离和状态都符合预期的特征向量。让后将其重新填充到fpts[1]中备用 int k =0; for(size_t i=0;i<fpts[1].size();i++){//循环遍历二维输出向量 double dist = abs(fpts[0][i].x - fpts[1][i].x) + abs(fpts[0][i].y - fpts[1][i].y);//特征向量移动距离 if(dist>2&&status[i]){//如果距离大于2,status=true(正常) inPoints[k] = inPoints[i]; fpts[1][k++] = fpts[1][i]; } } //【9】重置集合大小(由于有错误/不符合条件的输出特征向量),只拿状态正确的 //重新设置集合大小 inPoints.resize(k); fpts[1].resize(k); //【10】绘制光流线,这一步要不要都行 //绘制光流线 if(isShowLine){ for(size_t i = 0;i<fpts[1].size();i++){ line(frame,inPoints[i],fpts[1][i],Scalar(0,255,0),1,8,0); circle(frame, fpts[1][i], 2, Scalar(0, 0, 255), 2, 8, 0); } } qDebug()<<"特征向量的输入输出交换数据"; //【11】交换特征向量的输入和输出,(循环往复/进入下一个循环),此时特征向量的值会递减 std::swap(fpts[1],fpts[0]);//交换特征向量的输入和输出,此处焦点的总数量会递减 //【12】将用于跟踪的角点绘制出来 //将角点绘制出来 for(size_t i = 0;i<fpts[0].size();i++){ circle(frame,fpts[0][i],2,Scalar(0,0,255),2,8,0); } //【13】重置前一帧图像(每一个循环都要刷新) gray.copyTo(pre_gray); frame.copyTo(pre_frame); //【14】展示最终的效果 imshow("frame",frame); int keyValue = waitKey(100); if(keyValue==27){//如果用户按ese键退出播放 break; } }}3、图像演示
版权声明:
本站文章均来自互联网搜集,如有侵犯您的权益,请联系我们删除,谢谢。
标签: #opencv光流法追踪特定物体