OpenCV使用稀疏光流實現(xiàn)視頻對象跟蹤的方法詳解
1、概述
案例:使用稀疏光流實現(xiàn)對象跟蹤
稀疏光流API介紹:
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:視頻前一幀圖像/金字塔,單通道CV_8UC1
- nextImg:視頻后一幀圖像/金字塔,單通道CV_8UC1
- preVPts:前一幀圖像的特征向量(輸入)需要找到流的2D點的矢量(vector of 2D points for which the flow needs to be found;);點坐標必須是單精度浮點數
- nextPts:后一幀圖像的特征向量(輸出),輸出二維點的矢量(具有單精度浮點坐標),包含第二圖像中輸入特征的計算新位置;當傳遞OPTFLOW_USE_INITIAL_FLOW標志時,向量必須與輸入中的大小相同。
- status:輸出狀態(tài)向量(無符號字符);如果找到相應特征的流,則向量的每個元素設置為1,否則設置為0
- err:輸出錯誤的矢量; 向量的每個元素都設置為相應特征的錯誤,錯誤度量的類型可以在flags參數中設置; 如果未找到流,則未定義錯誤(使用status參數查找此類情況)
- winSize:每個金字塔等級的搜索窗口的winSize大小
- maxLevel:基于0的最大金字塔等級數;如果設置為0,則不使用金字塔(單級),如果設置為1,則使用兩個級別,依此類推;如果將金字塔傳遞給輸入,那么算法將使用與金字塔一樣多的級別,但不超過maxLevel
- criteria:停止條件,指定迭代搜索算法的終止條件(在指定的最大迭代次數criteria.maxCount之后或當搜索窗口移動小于criteria.epsilon時)。
- flags:操作標志,OPTFLOW_USE_INITIAL_FLOW使用初始估計,存儲在nextPts中;如果未設置標志,則將prevPts復制到nextPts并將其視為初始估計。
- OPTFLOW_LK_GET_MIN_EIGENVALS使用最小特征值作為誤差測量(參見minEigThreshold描述);如果沒有設置標志,則將原稿周圍的色塊和移動點之間的L1距離除以窗口中的像素數,用作誤差測量
- minEigThreshold:算法計算光流方程的2x2正常矩陣的最小特征值,除以窗口中的像素數;如果此值小于minEigThreshold,則過濾掉相應的功能并且不處理其流程,因此它允許刪除壞點并獲得性能提升
算法實現(xiàn)步驟:
1.實例化VideoCapture
2.循環(huán)讀取視頻數據
3.視頻幀灰度轉換
4.執(zhí)行角點檢測
5.保存角點檢測的特征數據
6.初始化時如果檢測到前一幀為空,把當前幀的灰度圖像給前一幀
7.執(zhí)行光流跟蹤,并輸出跟蹤后的特征向量
8.遍歷光流跟蹤的輸出特征向量,并得到距離和狀態(tài)都符合預期的特征向量。讓后將其重新填充到fpts[1]中備用
9.重置集合大小
10.繪制光流線
11.交換特征向量的輸入和輸出
12.將用于跟蹤的角點繪制出來
13.展示最終的跟蹤效果
14.循環(huán)3~13步驟
15.結束
2、代碼示例
KLT_Object_Tracking::KLT_Object_Tracking(QWidget *parent) : MyGraphicsView{parent} { isShowLine = false; this->setWindowTitle("KLT稀疏光流實現(xiàn)對象跟蹤"); QPushButton *btn = new QPushButton(this); btn->setText("選擇視頻"); connect(btn,&QPushButton::clicked,[=](){ //選擇視頻 path = QFileDialog::getOpenFileName(this,"請選擇視頻","/Users/yangwei/Downloads/",tr("Image Files(*.mp4 *.avi)")); qDebug()<<"視頻路徑:"<<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;//顯示光流線 }); connect(radioYes,&QRadioButton::clicked,[=](){ isShowLine = true;//不顯示光流線 }); } void KLT_Object_Tracking::startKltTracking(const char* filePath){ //【1】實例化VideoCapture并打開視頻 VideoCapture capture;//實例化視頻捕獲器 capture.open(filePath);//打開視頻文件(或攝像頭) if(!capture.isOpened()){//檢測文件是否打開,如果沒打開直接退出 qDebug()<<"無法打開視頻"; return; } Mat frame,gray; vector<Point2f> features;//檢測出來的角點集合 vector<Point2f> inPoints;//這個主要是為了畫線用的 vector<Point2f> fpts[2];//[0],存入的是是二維特征向量,[1]輸出的二維特征向量 Mat pre_frame,pre_gray; vector<uchar> status;//光流輸出狀態(tài) vector<float> err;//光流輸出錯誤 //【2】循環(huán)讀取視頻 while(capture.read(frame)){//循環(huán)讀取視頻中每一幀的圖像 //【3】將視頻幀圖像轉為灰度圖 cvtColor(frame,gray,COLOR_BGR2GRAY);//ps:角點檢測輸入要求單通道 //【4】如果特征向量(角點)小于40個我們就重新執(zhí)行角點檢測 if(fpts[0].size()<40){//如果小于40個角點就重新開始執(zhí)行角點檢測 //執(zhí)行角點檢測 goodFeaturesToTrack(gray,features,5000,0.01,10,Mat(),3,false,0.04); //【5】將檢測到的角點放入fpts[0]中作為,光流跟蹤的輸入特征向量 //將檢測到的角點插入vector fpts[0].insert(fpts[0].begin(),features.begin(),features.end()); inPoints.insert(inPoints.end(),features.begin(),features.end()); qDebug()<<"角點檢測執(zhí)行完成,角點個數為:"<<features.size(); }else{ qDebug()<<"正在跟蹤..."; } //【6】初始化的時候如果檢測到前一幀為空,這個把當前幀的灰度圖像給前一幀 if(pre_gray.empty()){//如果前一幀為空就給前一幀賦值一次 gray.copyTo(pre_gray); } //執(zhí)行光流跟蹤 qDebug()<<"開始執(zhí)行光流跟蹤"; //【7】執(zhí)行光流跟蹤,并將輸出的特征向量放入fpts[1]中 calcOpticalFlowPyrLK(pre_gray,gray,fpts[0],fpts[1],status,err); qDebug()<<"光流跟蹤執(zhí)行結束"; //【8】遍歷光流跟蹤的輸出特征向量,并得到距離和狀態(tài)都符合預期的特征向量。讓后將其重新填充到fpts[1]中備用 int k =0; for(size_t i=0;i<fpts[1].size();i++){//循環(huán)遍歷二維輸出向量 double dist = abs(fpts[0][i].x - fpts[1][i].x) + abs(fpts[0][i].y - fpts[1][i].y);//特征向量移動距離 if(dist>2&&status[i]){//如果距離大于2,status=true(正常) inPoints[k] = inPoints[i]; fpts[1][k++] = fpts[1][i]; } } //【9】重置集合大?。ㄓ捎谟绣e誤/不符合條件的輸出特征向量),只拿狀態(tài)正確的 //重新設置集合大小 inPoints.resize(k); fpts[1].resize(k); //【10】繪制光流線,這一步要不要都行 //繪制光流線 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()<<"特征向量的輸入輸出交換數據"; //【11】交換特征向量的輸入和輸出,(循環(huán)往復/進入下一個循環(huán)),此時特征向量的值會遞減 std::swap(fpts[1],fpts[0]);//交換特征向量的輸入和輸出,此處焦點的總數量會遞減 //【12】將用于跟蹤的角點繪制出來 //將角點繪制出來 for(size_t i = 0;i<fpts[0].size();i++){ circle(frame,fpts[0][i],2,Scalar(0,0,255),2,8,0); } //【13】重置前一幀圖像(每一個循環(huán)都要刷新) gray.copyTo(pre_gray); frame.copyTo(pre_frame); //【14】展示最終的效果 imshow("frame",frame); int keyValue = waitKey(100); if(keyValue==27){//如果用戶按ese鍵退出播放 break; } } }
3、圖像演示
到此這篇關于OpenCV使用稀疏光流實現(xiàn)視頻對象跟蹤的方法詳解的文章就介紹到這了,更多相關OpenCV視頻對象跟蹤內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
C++替換棧中和.data中的cookie實現(xiàn)步驟詳解
這篇文章主要介紹了C++替換棧中和.data中的cookie實現(xiàn)步驟,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習吧2022-10-10