使用光流进行OpenCV跟踪

Question

使用光流进行OpenCV跟踪

18

我将此用作跟踪算法的基础功能。

    //1. detect the features
    cv::goodFeaturesToTrack(gray_prev, // the image 
    features,   // the output detected features
    max_count,  // the maximum number of features 
    qlevel,     // quality level
    minDist);   // min distance between two features

    // 2. track features
    cv::calcOpticalFlowPyrLK(
    gray_prev, gray, // 2 consecutive images
    points_prev, // input point positions in first im
    points_cur, // output point positions in the 2nd
    status,    // tracking success
    err);      // tracking error

cv::calcOpticalFlowPyrLK 函数的输入是前一帧图像上的一组点，输出则是它们在下一帧图像上的对应点。如果我有前一帧图像上的一个随机像素 (x, y)，那么如何使用 OpenCV 光流函数计算出这个像素在下一帧图像上的位置呢？

- Alex Hoppus

2个回答

1

cv::calcOpticalFlowPyrLK(..) 函数使用以下参数：

cv::calcOpticalFlowPyrLK(prev_gray, curr_gray, features_prev, features_next, status, err);

cv::Mat prev_gray, curr_gray;
std::vector<cv::Point2f> features_prev, features_next;
std::vector<uchar> status;
std::vector<float> err;

在下一帧中查找像素的最简（部分）代码：

features_prev.push_back(cv::Point(4, 5));
cv::calcOpticalFlowPyrLK(prev_gray, curr_gray, features_prev, features_next, status, err);

如果成功找到像素，status[0] == 1 和 features_next[0] 将显示下一帧中像素的坐标。有关该示例的值信息，请查看： OpenCV / samples / cpp / lkdemo.cpp。

- MSeskas

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Chris · Accepted Answer

当你使用cv::goodFeaturesToTrack时，它会接收一张图像并生成一个点向量，该向量被认为是“好的追踪点”。这些点是基于它们在周围环境中的突出程度选择的，并且基于图像中的哈里斯角点。通常通过将第一张图像传递给goodFeaturesToTrack来初始化跟踪器并获取要跟踪的特征。然后可以将这些特征作为上一帧点集传递给cv::calcOpticalFlowPyrLK，随着序列中的下一张图像，它将产生下一个点作为输出，这些点成为下一次迭代的输入点。

如果您想尝试跟踪不同的像素集（而不是由cv::goodFeaturesToTrack或类似函数生成的特征），则只需将其提供给cv::calcOpticalFlowPyrLK，并与下一张图像一起使用即可。

非常简单，在代码中：

// Obtain first image and set up two feature vectors
cv::Mat image_prev, image_next;
std::vector<cv::Point> features_prev, features_next;

image_next = getImage();

// Obtain initial set of features
cv::goodFeaturesToTrack(image_next, // the image 
  features_next,   // the output detected features
  max_count,  // the maximum number of features 
  qlevel,     // quality level
  minDist     // min distance between two features
);

// Tracker is initialised and initial features are stored in features_next
// Now iterate through rest of images
for(;;)
{
    image_prev = image_next.clone();
    feature_prev = features_next;
    image_next = getImage();  // Get next image

    // Find position of feature in new image
    cv::calcOpticalFlowPyrLK(
      image_prev, image_next, // 2 consecutive images
      points_prev, // input point positions in first im
      points_next, // output point positions in the 2nd
      status,    // tracking success
      err      // tracking error
    );

    if ( stopTracking() ) break;
}