【OpenCV】OpenCV3的第二天——光流法(Optial Flow)运动目标检测

基于特征点的跟踪算法大致可以分为两个步骤：

1）探测当前帧的特征点；

2）通过当前帧和下一帧灰度比较，估计当前帧特征点在下一帧的位置；

3）过滤位置不变的特征点，余下的点就是目标了。

特征点包括：

1、Harris

2、SURF

3、FAST

4、STAR

5、SIFT

6、ORB

7、MSER

8、GETT

9、Dense

10、SimpleBlob

光流的基本方法：

1、基于梯度

2、基于匹配

3、基于能量

4、基于相位

光流法首先假设的条件：

1、亮度恒定

2、小运动

3、空间一致

使用函数：

goodFeaturesToTrack()——寻找图像中具有大特征的角点

calcOpticalFlowPyrLK()——计算一个稀疏特征集的光流

两篇博客链接：

Opencv学习笔记（九）光流法

/article/1358133.html

【算法分析】Lucas–Kanade光流算法

/article/4750676.html

OpenCV3编程入门——光流法的代码

#include <iostream>

#include <opencv2/core/core.hpp>

#include <opencv2/highgui/highgui.hpp>

#include <opencv2/video/video.hpp>

using namespace cv;

using namespace std;

void duan_OpticalFlow( Mat &frame, Mat & result);

bool addNewPoints();

bool acceptTrackedPoint(int i);

int main()

{

VideoCapture video(0);

Mat matSrc;

Mat matRst;

long lNum = 0;

if (video.isOpened())

{

while(1)

{

video >> matSrc;

if ( !matSrc.empty())

{

lNum++;

duan_OpticalFlow(matSrc, matRst);

cout << "This picture is " << lNum << endl;

}

else

{

cout << "Error : Get picture is empty!" << endl;

}

}

}

else

{

cout << "Error : Open this camera is Fail!\n" << endl;

}

return 0;

}

Mat curgray; //Current mat

Mat pregray; // next mat

vector<Point2f> point[2];

vector<Point2f> initPoint;

vector<Point2f> features;

int maxCount = 500; // max feature number

double qLevel = 0.01; // level

double minDist = 10.0; // Two features distance

vector<uchar> status; // find optical flow is 1

vector<float> err;

void duan_OpticalFlow( Mat &frame, Mat & result)

{

cvtColor(frame, curgray, CV_BGR2GRAY);

frame.copyTo(result);

if (addNewPoints())

{

goodFeaturesToTrack(curgray, features, maxCount,qLevel,minDist);

point[0].insert(point[0].end(), features.begin(), features.end());

initPoint.insert(initPoint.end(), features.begin(), features.end());

}

if (pregray.empty())

{

curgray.copyTo(pregray);

}

calcOpticalFlowPyrLK(pregray, curgray, point[0], point[1], status, err);

int k = 0;

for (size_t i=0; i<point[1].size(); i++)

{

if (acceptTrackedPoint(i))

{

initPoint[k] = initPoint[i];

point[1][k++] = point[1][i];

}

}

point[1].resize(k);

initPoint.resize(k);

for (size_t i=0; i<point[1].size(); i++)

{

line(result, initPoint[i], point[1][i], Scalar(0, 0, 255));

circle(result, point[1][i], 3, Scalar(0, 255, 0), -1);

}

swap(point[1], point[0]);

swap(pregray, curgray);

imshow("Optical Flow Demo", result);

waitKey(50);

}

bool addNewPoints()

{

return point[0].size() <= 10;

}

bool acceptTrackedPoint(int i)

{

return status[i] && ((abs(point[0][i].x - point[1][i].x) + abs(point[0][i].y - point[1][i].y)) > 2);

}