亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

OpenCV使用稀疏光流實現(xiàn)視頻對象跟蹤的方法詳解

 更新時間:2023年02月20日 09:33:40   作者:音視頻開發(fā)老舅  
這篇文章主要為大家詳細介紹了OpenCV如何使用稀疏光流實現(xiàn)視頻對象跟蹤功能,文中的示例代碼講解詳細,具有一定的借鑒價值,需要的可以參考一下

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語言深入探究sizeof與整型數據存儲及數據類型取值范圍

    C語言深入探究sizeof與整型數據存儲及數據類型取值范圍

    在main函數中,sizeof是可以正常工作的,但是在自定義函數中就不可以了。所以本文將為大家詳細講解一下關鍵字sizeof、整型數據存儲深入、數據類型取值范圍深入
    2022-07-07
  • c++從函數返回數組的方法代碼

    c++從函數返回數組的方法代碼

    在本篇文章里小編給大家整理的是關于c++從函數返回數組的方法代碼,有興趣的朋友們可以學習參考下。
    2020-02-02
  • OpenCV實現(xiàn)圖像轉換為漫畫效果

    OpenCV實現(xiàn)圖像轉換為漫畫效果

    這篇文章主要為大家詳細介紹了OpenCV實現(xiàn)圖像轉換為漫畫效果,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2020-08-08
  • C語言中計算字符串長度與分割字符串的方法

    C語言中計算字符串長度與分割字符串的方法

    這篇文章主要介紹了C語言中計算字符串長度與分割字符串的方法,是C語言入門學習中的基礎知識,需要的朋友可以參考下
    2015-08-08
  • C++替換棧中和.data中的cookie實現(xiàn)步驟詳解

    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
  • C++實現(xiàn)惡搞電腦關機小程序的示例代碼

    C++實現(xiàn)惡搞電腦關機小程序的示例代碼

    這篇文章主要為大家詳細介紹了如何利用C++實現(xiàn)一個簡單的惡搞電腦關機小程序,文中的示例代碼講解詳細,感興趣的小伙伴可以嘗試一下
    2022-11-11
  • VC實現(xiàn)ODBC數據庫操作實例解析

    VC實現(xiàn)ODBC數據庫操作實例解析

    這篇文章主要介紹了VC實現(xiàn)ODBC數據庫操作的方法,非常有實用價值,需要的朋友可以參考下
    2014-07-07
  • C++簡單又輕松的講解類和對象中友元函數

    C++簡單又輕松的講解類和對象中友元函數

    采用類的機制后實現(xiàn)了數據的隱藏與封裝,類的數據成員一般定義為私有成員,成員函數一般定義為公有的,依此提供類與外界間的通信接口。但是,有時需要定義一些函數,這些函數不是類的一部分,但又需要頻繁地訪問類的數據成員,這時可以將這些函數定義為該類的友元函數
    2022-06-06
  • C語言實現(xiàn)計算雙色球的中獎率

    C語言實現(xiàn)計算雙色球的中獎率

    這篇文章主要為大家詳細介紹了如何利用C語言實現(xiàn)計算雙色球的中獎率,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下
    2022-12-12
  • C++實現(xiàn)聊天程序

    C++實現(xiàn)聊天程序

    這篇文章主要為大家詳細介紹了C++實現(xiàn)類似QQ聊天程序,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-07-07

最新評論